| | | | 官方正版 計算機視覺 模型 學習和推理 西蒙 普林斯 計算機科學叢 | | 該商品所屬分類：圖書 -> 機械工業出版社 | | 【市場價】 | 916-1328元 | | 【優惠價】 | 573-830元 | | 【作者】 | 西蒙 | | 【出版社】 | 機械工業出版社 | | 【ISBN】 | 9787111516828 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
店鋪：機械工業出版社官方旗艦店 出版社：機械工業出版社 ISBN：9787111516828 商品編碼：10027884126229 品牌：機械工業出版社（CMP） 出版時間：2017-06-01 頁數：200 字數：487000 審圖號：9787111516828 作者：西蒙
" 
商品參數
| 商品基本信息 | | 商品名稱： | 計算機視覺：模型、學習和推理 | | 作者： | [英]西蒙 J.D. 普林斯（Simon J. D. Prince | | 市場價： | 119.00 | | ISBN號： | 9787111516828 | | 版次： | 1-1 | | 出版日期： | 2017-06 | | 頁數： | 442 | | 字數： | 487 | | 出版社： | 機械工業出版社 |
內容介紹
| 內容簡介 | 本書是一本從機器學習視角講解計算機視覺的非常好的教材。全書圖文並茂、語言淺顯易懂，算法描述由淺入深，即使是數學背景不強的學生也能輕松理解和掌握。作者展示了如何使用訓練數據來學習觀察到的圖像數據和我們希望預測的現實世界現像之間的聯繫，以及如何如何研究這些聯繫來從新的圖像數據中作出新的推理。本書要求少的前導知識，從介紹概率和模型的基礎知識開始，接著給出讓學生能夠實現和修改來構建有用的視覺繫統的實際示例。適合作為計算機視覺和機器學習的高年級本科生或研究生的教材，書中詳細的方法演示和示例對於計算機視覺領域的專業人員也非常有用。
|
目錄
| 目錄 | 目錄
Computer Vision:Models,Learning,and Inference
譯者序
譯者簡介
序
前言
*1章緒論1
1*1本書結構2
1*2其他書籍4
*一部分概率
*2章概率概述6
2*1隨機變量6
2*2聯合概率7
2*3邊緣化7
2*4條件概率8
2*5貝葉斯公式9
2*6獨立性9
2*7期望10
討論10
備注11
習題11
第3章常用概率分布12
3*1伯努利分布13
3*2貝塔分布13
3*3分類分布14
3*4狄利克雷分布14
3正態分布15
3*6正態逆伽馬分布15
3正態分布16
3*8正態逆維希特分布16
3*9共軛性17
總結18
備注18
習題18
第4章擬合概率模型21
4*1*大似然法21
4*2*大後驗法21
4*3貝葉斯方法22
4*4算例正態分布22
4*4*1*大似然估計22
4*4*2*大後驗估計24
4*4*3貝葉斯方法26
4*5算例2：分類分布28
4*5*1*大似然法28
4*5*2*大後驗法29
4*5*3貝葉斯方法30
總結31
備注31
習題32
第5章正態分布34
5*1協方差矩陣的形式34
5*2協方差分解35
5*3變量的線性變換36
5*4邊緣分布36
5*5條件分布37
5*6正態分布的乘積38
5*7變量改變38
總結38
備注39
習題39
*二部分機器視覺的機器學習
第6章視覺學習和推理42
6*1計算機視覺問題42
6*2模型的種類42
6*2*1判別模型43
6*2*2生成模型43
6*3示例1：回歸43
6*3*1判別模型44
6*3*2生成模型44
6*4示例2：二值分類46
6*4*1判別模型46
6*4*2生成模型46
6*5應該用哪種模型48
6*6應用49
6*6*1皮膚檢測49
6*6*2背景差分50
總結51
備注51
習題52
第7章復雜數據密度建模54
7*1正態分類模型54
7*2隱變量56
7*3期望*大化57
7*4混合高斯模型58
7*4*1混合高斯邊緣化59
7*4*2基於期望*大化的混合模型擬合59
7*5t分布63
7*5*1學生t分布邊緣化64
7*5*2擬合t分布的期望*大化65
7*6因子分析67
7*6*1因子分析的邊緣分布68
7*6*2因子分析學習的期望*大化68
7*7組合模型71
7*8期望*大化算法的細節71
7*8*1期望*大化算法的下界73
7*8*2E步74
7*8*3M步74
7*9應用75
7*9*1人臉檢測75
7*9*2目標識別76
7*9*3分割77
7*9*4正臉識別78
7*9*5改變人臉姿態（回歸）78
7*9*6作為隱變量的變換79
總結80
備注80
習題81
第8章回歸模型82
8*1線性回歸82
8*1*1學習83
8*1*2線性回歸模型的問題83
8*2貝葉斯線性回歸84
8*2*1實際考慮85
8*2*2擬合方差86
8*3非線性回歸87
8*3*1*大似然法87
8*3*2貝葉斯非線性回歸89
8*4核與核技巧89
8*5高斯過程回歸90
8*6稀疏線性回歸91
8線性回歸93
8*8相關向量回歸95
8*9多變量數據回歸96
8*10應用96
8*10*1人體姿勢估計96
8*10*2位移專家97
討論98
備注98
習題98
第9章分類模型100
9*1邏輯回歸100
9*1*1學習:*大似然估計102
9*1*2邏輯回歸模型的問題103
9*2貝葉斯邏輯回歸104
9*2*1學習104
9*2*2推理106
9*3非線性邏輯回歸107
9*4對偶邏輯回歸模型108
9*5核邏輯回歸110
9*6相關向量分類111
9*7增量擬合和boosting113
9*8分類樹116
9*9多分類邏輯回歸117
9*10隨機樹、隨機森林和隨機蕨分類器118
9*11與非概率模型的聯繫119
9*12應用120
9*12*1性別分類120
9*12*2臉部和行人檢測121
9*12*3語義分割122
9*12*4恢復表面布局123
9*12*5人體部位識別124
討論125
備注125
習題127
第三部分連接局部模型
*10章圖模型130
10*1條件獨立性130
10*2有向圖模型131
10*2*1示例1132
10*2*2示例2132
10*2*3示例3133
10*2*4總結134
10*3無向圖模型134
10*3*1示例1135
10*3*2示例2136
10*4有向圖模型與無向圖模型的對比136
10*5計算機視覺中的圖模型137
10*6含有多個未知量的模型推理139
10*6*1求*大後驗概率的解139
10*6*2求後驗概率分布的邊緣分布139
10*6*3*大化邊緣140
10*6*4後驗分布的采樣140
10*7樣本采樣140
10*7*1有向圖模型的采樣141
10*7*2無向圖模型的采樣141
10*8學習142
10*8*1有向圖模型的學習142
10*8*2無向圖模型的學習143
討論145
備注145
習題145
*11章鏈式模型和樹模型147
11*1鏈式模型148
11*1*1有向鏈式模型148
11*1*2無向鏈式模型148
11*1*3模型的等價性148
11*1*4隱馬爾可夫模型在手語中的應用149
11*2鏈式MAP推理149
11*3樹的MAP推理152
11*4鏈式邊緣後驗推理155
11*4*1求解邊緣分布155
11*4*2前向後向算法156
11*4*3置信傳播157
11*4*4鏈式模型的和積算法158
11*5樹的邊緣後驗推理160
11*6鏈式模型和樹模型的學習161
11*7鏈式模型和樹模型之外的東西161
11*8應用163
11*8*1手勢跟蹤163
11*8*2立體視覺164
11*8*3形像化結構166
11*8*4分割167
討論167
備注168
習題169
*12章網格模型172
12*1馬爾可夫隨機場172
12*1*1網格示例173
12*1*2離散成對MRF圖像去噪174
12*2二值成對馬爾可夫隨機場的MAP推理175
12*2*1*大流/*小割176
12*2*2MAP推理：二值變量177
12*3多標簽成對MRF的MAP推理182
12*4非凸勢的多標簽MRF186
12*5條件隨機場189
12*6高階模型190
12*7網格有向模型190
12*8應用191
12*8*1背景差分191
12*8*2交互式分割192
12*8*3立體視覺193
12*8*4圖像重排193
12*8*5超分辨率195
12*8*6紋理合成196
12*8*7合成 面孔197
討論198
備注198
習題200
第四部分預處理
*13章圖像預處理與特征提取204
13*1逐像素變換204
13*1*1白化204
13*1*2直方圖均衡化205
13*1*3線性濾波206
13*1*4局部二值模式210
13*1*5映射211
13*2邊緣、角點和興趣點212
13*2*1Canny邊緣檢測器212
13*2*2Harris角點檢測器214
13*2*3SIFT檢測器215
13*3描述子216
13*3*1直方圖216
13*3*2SIFT描述子216
13*3*3方向梯度直方圖217
13*3*4詞袋描述子218
13*3*5形狀內容描述子218
13*4降維219
13*4*1單數值近似220
13*4*2主成分分析221
13*4主成分分析221
13*4*4K均值算法222
結論223
|
" | | |
| | | | |
|
