Fejlett módszerek és mélytanulás a számítógépes látásban

Fejlett módszerek és mélytanulás a számítógépes látásban (R. Davies E.)

Eredeti címe:

Advanced Methods and Deep Learning in Computer Vision

Könyv tartalma:

A Advanced Methods and Deep Learning in Computer Vision című könyv a fejlett számítógépes látásmódokat mutatja be, kiemelve az elmúlt 5-10 évben megjelent gépi és mélytanulási technikákat.

A könyv az elvek és algoritmusok világos magyarázatát alkalmazásokkal alátámasztva nyújtja. A tárgyalt témakörök között szerepel a gépi tanulás, a mélytanuló hálózatok, a generatív adverzális hálózatok, a mély megerősítő tanulás, az önfelügyelt tanulás, a robusztus jellemzők kinyerése, az objektumdetektálás, a szemantikus szegmentálás, a képek nyelvi leírása, a vizuális keresés, a vizuális követés, a 3D alakzatkeresés, a képfestés, az újdonság- és anomáliadetektálás.

Ez a könyv könnyű tanulást biztosít a fejlett számítógépes látásmódok kutatói és gyakorlói számára, de alkalmas tankönyvként is a számítógépes látás és a mélytanulás második kurzusához haladó egyetemisták és doktoranduszok számára.

A könyv egyéb adatai:

ISBN:9780128221099
Szerző:
Kiadó:
Nyelv:angol
Kötés:Puha kötés

Vásárlás:

Jelenleg kapható, készleten van.

A szerző további könyvei:

Számítógépes látás: Alapelvek, algoritmusok, alkalmazások, tanulás - Computer Vision: Principles,...
Számítógépes látás: Principles, Algorithms,...
Számítógépes látás: Alapelvek, algoritmusok, alkalmazások, tanulás - Computer Vision: Principles, Algorithms, Applications, Learning
Fejlett módszerek és mélytanulás a számítógépes látásban - Advanced Methods and Deep Learning in...
A Advanced Methods and Deep Learning in Computer...
Fejlett módszerek és mélytanulás a számítógépes látásban - Advanced Methods and Deep Learning in Computer Vision

A szerző munkáit az alábbi kiadók adták ki:

© Book1 Group - minden jog fenntartva.
Az oldal tartalma sem részben, sem egészben nem másolható és nem használható fel a tulajdonos írásos engedélye nélkül.
Utolsó módosítás időpontja: 2024.11.13 21:05 (GMT)