●第一章導論
1.1背景
1.2搜集路邊視頻數據
1.2.1工業數據
1.2.2測試數據
1.3基於路邊視頻數據的應用
1.4本書內容安排
參考文獻
第二章路邊視頻數據分析框架
2.1概述
2.2方法
2.2.1路邊視頻數據的預處理
2.2.2將路邊視頻數據切分為對像
2.2.3對像特征提取
2.2.4路邊對像分類
2.2.5路邊對像分類應用
2.3相關工作
2.3.1植被切分和分類
2.3.2通用對像切分和分類
2.4數據處理的Matlab代碼
參考文獻
第三章路邊視頻數據分析——非深度學習技術
3.1神經網絡學習
3.1.1簡介
3.1.2神經網絡學習方法
3.1.3實驗結果
3.1-4總結
3.2支持向量機學習
3.2.1簡介
3.2.2SVM學習方法
3.2.3實驗結果
3.2.4總結
3.3聚類學習
3.3.1簡介
3.3.2聚類學習法
3.3.3實驗結果
3.3.4總結
3.4模糊C一均值學習
3.4.1簡介
3.4.2模糊C一均值學習方法
3.4.3實驗結果
3.4.4總結
3.5集成學習
3.5.1簡介
3.5.2集成學習方法
3.5.3實驗結果
3.5.4總結
3.6基於多數投票法的混合學習
3.6.1簡介
3.6.2多數投票法
3.6.3實驗結果
3.6.4總結
3.7區域合並學習
3.7.1簡介
3.7.2區域合並法
3.7.3方法的組件
3.7.4實驗結果
3.7.5總結
參考文獻
第四章路邊視頻數據分析的深度學習技術
4.1簡介
4.2相關工作
4.3自動與手動特征提取
4.3.1簡介
4.3.2比較框架
4.3.3實驗結果
4.3.4總結
4.4單一架構VS集成架構
4.4.1簡介
4.4.2比較框架
4.4.3實驗結果
4.4.4總結
4.5深度學習網絡
4.5.1簡介
4.5.2深度學習網絡
4.5.3實驗結果
4.5.4討論
4.5.5總結
參考文獻
第五章案例分析：火災風險評估中的路邊視頻數據分析
5.1導論
5.2相關工作
5.3提出的VOCGP算法
5.3.1問題定義和動機
5.3.2方法概覽
5.3.3草區域分割
5.3.4基於伽博濾波器投票的主垂直方向檢測
5.3.5草像素的垂直方向連通性計算
5.4實驗結果
5.4.1路邊數據搜集
5.4.2實驗設置
5.4.3草生物量估計的性能
5.4.4草密度預測的性能
5.4.5易著火區域識別
5.5討論
5.6總結
參考文獻
第六章總結和展望
6.1對未來研究的建議
6.2新的挑戰
6.3新的機會和應用

本書重點介紹了路邊視頻數據分析的方法和應用，包括基於不同類型學習算法的路邊視頻數據處理的各種繫統結構和方法，並對分割、特征提取和分類進行了詳細的分析。使用深度學習解決路邊視頻數據分割和分類問題是本書的主要亮點之一。深度神經網絡學習已成為機器學習和數據挖掘領域的熱門研究課題。然而，在享受深度學習方法無須手工特征的優勢時，必須對準確性和魯棒性進行平衡，並且大多數真實世界的學習繫統仍需要一些手工的特征工程和架構。本書通過對不同類型的特征和體繫進行實證測試，實現在現實世界的場景中分析多層神經網絡的性能。然後，我們介紹了新的用於場景分類的架構，此架構與先前的方法相比具有相同或更好的精度。接著我們研究了卷積神經網絡的特征工程。

(澳)布裡傑什·維爾馬,張立剛,(澳)大衛·斯托克韋爾 著 朱丹浩,申小虎,王瑜 譯