《计算机视觉中的深度学习》读书笔记思维导图PPT模板下载

思维导图PPT模板《计算机视觉中的深度学习》最新版读书笔记，下载可以直接修改视觉深度参考文献技术计算机目标趋势特征任务算法图像概述神经网络视频方法图像压缩网络卷积研究本书关键字分析思维导图01内容简介第2章手工特征第4章神经网络结构第1章计算机视觉及其任务第3章神经网络基础理论第5章目标分割目录030502040607第6章目标检测第8章行人再识别第7章目标跟踪第9章图像压缩目录0908010011第10章超分辨率重建附录A术语与缩略词表第11章图像去噪技术目录013012内容摘要人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。内容简介第1章计算机视觉及其任务1.1计算机视觉的定义1.2计算机视觉的发展沿革1.3计算机视觉的主要任务及其应用1.4本章小结本章参考文献12345第1章计算机视觉及其任务第2章手工特征2.1初级图像特征2.2中级图像特征2.3本章小结本章参考文献第2章手工特征第3章神经网络基础理论3.1神经元概述3.2神经网络基础结构3.3神经网络训练3.4常见的神经元模型3.5本章小结本章参考文献010302040506第3章神经网络基础理论第4章神经网络结构4.1LeNet54.2AlexNet4.3VGGNet4.4Inception4.5ResNet4.6DenseNet010302040506第4章神经网络结构4.7MobileNet4.8FCN4.9本章小结本章参考文献第4章神经网络结构第5章目标分割5.1目标分割技术概述5.2基于深度学习多路径特征融合的图像...5.3基于模糊逻辑的多特征视频运动目标...5.4目标分割未来趋势本章参考文献12345第5章目标分割第6章目标检测6.1目标检测算法概述6.2传统目标检测方法6.3基于候选区域的目标检测方法6.4基于回归的目标检测第6章目标检测6.5改进算法拾萃本章参考文献6.6目标检测未来趋势第6章目标检测第7章目标跟踪7.1目标跟踪技术概述7.2平衡正负样本权重的多示例学习跟踪...7.3基于核化相关滤波器的视觉目标跟踪...7.4基于中心对比CNN的目标跟踪算法...7.5目标跟踪未来趋势本章参考文献010302040506第7章目标跟踪第8章行人再识别8.1行人再识别技术概述8.2基于AdaRank进行特征集成的...8.3基于增强深度特征的行人再识别算法8.4基于属性和身份特征融合的行人再识...8.5行人再识别未来趋势本章参考文献010302040506第8章行人再识别第9章图像压缩9.1有损压缩和无损压缩9.2经典的有损图像压缩方法9.3基于深度学习的图像压缩技术9.4基于空间能量压缩的图像压缩第9章图像压缩9.5利用卷积神经网络进行内容加权的图...9.6基于生成式对抗网络的图像压缩9.7图像压缩未来趋势本章参考文献第9章图像压缩第10章超分辨率重建10.1超分辨率技术概述10.2基于深度残差网络注意力机制的图...10.3基于增强的可变形卷积网络的视频...10.4真实原始传感器数据的超分辨率重...10.5超分辨率重建未来趋势本章参考文献010302040506第10章超分辨率重建第11章图像去噪技术11.1图像去噪技术概述11.2去噪卷积神经网络11.3