توضیحات
Visual pattern analysis is a fundamental tool in mining data for knowledge. Computational representations for patterns and texture allow us to summarize, store, compare, and label in order to learn about the physical world. Our ability to capture visual imagery with cameras and sensors has resulted in vast amounts of raw data, but using this information effectively in a task-specific manner requires sophisticated computational representations. We enumerate specific desirable traits for these representations: (1) intraclass invariance-to support recognition; (2) illumination and geometric invariance for robustness to imaging conditions; (3) support for prediction and synthesis to use the model to infer continuation of the pattern; (4) support for change detection to detect anomalies and perturbations; and (5) support for physics-based interpretation to infer system properties from appearance. In recent years, computer vision has undergone a metamorphosis with classic algorithms adapting to new trends in deep learning. This text provides a tour of algorithm evolution including pattern recognition, segmentation and synthesis. We consider the general relevance and prominence of visual pattern analysis and applications that rely on computational models.
————————————————————–
ترجمه ماشینی :
تجزیه و تحلیل الگوی بصری یک ابزار اساسی در استخراج داده ها برای دانش است. نمایش محاسباتی برای الگوها و بافت به ما امکان می دهد خلاصه، ذخیره، مقایسه و برچسب گذاری کنیم تا در مورد دنیای فیزیکی بیاموزیم. توانایی ما برای گرفتن تصاویر بصری با دوربینها و حسگرها منجر به حجم عظیمی از دادههای خام شده است، اما استفاده موثر از این اطلاعات به شیوهای خاص به نمایشهای محاسباتی پیچیدهای نیاز دارد. ما ویژگیهای مطلوب خاص را برای این نمایشها برمیشماریم: (1) تغییرناپذیری درونطبقهای-برای پشتیبانی از شناسایی. (2) روشنایی و تغییر ناپذیری هندسی برای استحکام در شرایط تصویربرداری. (3) پشتیبانی از پیش بینی و سنتز برای استفاده از مدل برای استنتاج ادامه الگو. (4) پشتیبانی از تشخیص تغییر برای تشخیص ناهنجاری ها و آشفتگی ها. و (5) پشتیبانی از تفسیر مبتنی بر فیزیک برای استنباط خواص سیستم از ظاهر. در سالهای اخیر، بینایی کامپیوتر با الگوریتمهای کلاسیک که با روندهای جدید در یادگیری عمیق تطبیق داده شدهاند، دچار دگردیسی شده است. این متن توری از تکامل الگوریتم از جمله تشخیص الگو، تقسیمبندی و سنتز را ارائه میدهد. ما ارتباط و برجستگی کلی تحلیل الگوی بصری و کاربردهایی را که بر مدلهای محاسباتی متکی هستند، در نظر میگیریم.
tag : دانلود کتاب بافت و الگوهای محاسباتی: از متنها تا یادگیری عمیق , Download بافت و الگوهای محاسباتی: از متنها تا یادگیری عمیق , دانلود بافت و الگوهای محاسباتی: از متنها تا یادگیری عمیق , Download Computational texture and patterns: From textons to deep learning Book , بافت و الگوهای محاسباتی: از متنها تا یادگیری عمیق دانلود , buy بافت و الگوهای محاسباتی: از متنها تا یادگیری عمیق , خرید کتاب بافت و الگوهای محاسباتی: از متنها تا یادگیری عمیق , دانلود کتاب Computational texture and patterns: From textons to deep learning , کتاب Computational texture and patterns: From textons to deep learning , دانلود Computational texture and patterns: From textons to deep learning , خرید Computational texture and patterns: From textons to deep learning , خرید کتاب Computational texture and patterns: From textons to deep learning ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.