Computer Vision: Grundlagen, Algorithmen, Anwendungen, Lernen (ehemals betitelt Computer and Machine Vision) bietet eine klare und systematische Darstellung der Grundprinzipien der Computer Vision. Dieses Lehrbuch behandelt sowohl die theoretischen Grundlagen als auch die praktischen und algorithmischen Designaspekte, geeignet für Bachelor- und Masterstudenten, Forscher und R&D-Ingenieure.
Beschreibung
- Drei neue Kapitel über Machine Learning mit Fokus auf Basis-Klassifikation, probabilistische Modelle und detaillierte Erklärung zu Deep-Learning-Netzwerken, einschließlich eines neuen Kapitels über Gesichtserkennung und -detektion.
- Ein Kapitel über Objektsegmentierung und Formmodelle in dem Machine-Learning-Methoden mit praktischen Beispielen angewendet werden.
- Umfassende Diskussionen zu Themen wie geometrischen Transformationen, dem EM-Algorithmus, Boosting, semantischer Segmentierung, Gesichtsfrontalisation und rekurrenten neuronalen Netzwerken (RNNs).
- Zahlreiche Anwendungen und Beispiele, wie die Erkennung von Keksen, Fremdkörpern, Gesichtern, Augen, Fahrspuren, Überwachungssystemen, Fahrzeugen und Fußgängern, zeigen die praktische Realität der Computer Vision in der Praxis.
- Die notwendige Mathematik und Theorie werden durch klare Erklärungen und gut illustrierte Beispiele zugänglich gemacht.
- Jedes Kapitel enthält einen Abschnitt „Aktuelle Entwicklungen“, um Studenten und Fachleute in diesem schnell veränderlichen Fachgebiet auf dem Laufenden zu halten.
- Maßgeschneiderte Programmierbeispiele, hauptsächlich in MATLAB und C++, mit Methoden, Aufgaben, Tipps und Lösungen.
Zielgruppe und Sprache
Dieses Lehrbuch ist auf Englisch und geeignet für Studenten und Fachleute im Hochschulbereich, in der Forschung und für das Selbststudium. Das Niveau ist auf fortgeschrittene Nutzer abgestimmt, die ein solides Verständnis von Computer Vision entwickeln möchten.
Zuverlässige Lieferung
Intertaal ist Ihr zuverlässiger Lieferant, der für eine schnelle Lieferung dieses aktuellen und vielseitigen Lernmittels garantiert.


