視覺智能 — 技術前沿與應用探索

徐成，工學博士，碩導，北京市信息服務工程重點實驗室（北京聯合大學）城市安全應急管理研究所所長，中國計算機用戶協會網絡分會理事，CCF分布式計算與系統專業委員會委員。主持和參加多個 、省部級項目，發表SCI期刊20篇，發明專利7項，軟件著作權6項。
 

前言
第1章 視覺智能前沿
1.1 計算機視覺發展階段
1.1.1 馬爾計算視覺
1.1.2 曇花一現的主動和目的視覺
1.1.3 多視幾何和分層三維重建
1.1.4 基於學習的視覺
1.2 下一代人工智能架構
1.2.1 什麼是智能
1.2.2 為什麼火爆的深度學習並不是真正的AI
1.2.3 什麼是腦科學人工智能
1.2.4 腦科學向AI轉化的挑戰
1.2.5 腦科學視覺識別系統的優勢
1.3 視覺智能多場景發展
1.3.1 生物計量領域的應用
1.3.2 在人工智能物聯網領域的應用
1.3.3 在汽車領域的應用
1.4 如何進行視覺智能的研究
1.5 視覺智能團隊歷年研究歷程
1.5.1 場景理解科研團隊
1.5.2 圖像處理團隊
1.5.3 旋風智能車團隊
1.5.4 無障礙服務團隊
1.6 視覺智能發展趨勢
1.6.1 從二維成像升級到三維視覺
1.6.2 3D視覺應用領域更加多樣化
1.6.3 3D視覺感知技術要求不斷提升
第2章 機器的生命觀
2.1 機器智能的內涵與討論
2.1.1 視覺智能領域的關鍵科學問題
2.1.2 機器智能的內涵
2.1.3 機器視覺與人工視覺的對比
2.2 機器生命觀的起源與發展
2.2.1 機器生命觀的研究起源
2.2.2 機器生命的概念與分類
2.2.3 機器生命與人工智能的關系
2.2.4 機器視角下的生命觀
2.3 多模態認知計算
2.3.1 機器認知能力在於信息利用率
2.3.2 多模態認知計算的主線
2.3.3 機遇與挑戰
2.4 我國公共服務機器人簡介
2.4.1 公共服務機器人概述
2.4.2 公共服務機器人的發展
第3章 視覺智能中的數學
3.1 矩陣基礎
3.1.1 矩陣的定義與概念
3.1.2 幾種特殊的矩陣
3.1.3 矩陣的運算
3.1.4 矩陣的微分
3.2 向量基礎
3.2.1 向量的定義與概念
3.2.2 向量的基本運算與公式性質
3.2.3 範數
3.2.4 向量的相似性度量
3.2.5 隨機向量及其分布
3.3 概率論基礎
3.3.1 隨機事件和概率
3.3.2 隨機變量及其概率分布
3.3.3 隨機變量的數字特征
3.3.4 大數定律和中心限定理
3.4 視覺智能數學補充說明
3.4.1 數理統計的基本概念
3.4.2 參數估計
3.4.3 李群與李代數
第4章 視覺智能認知的基本任務和方法
4.1 圖像分類
4.1.1 圖像分類常用數據集
4.1.2 圖像分類經典網絡結構
4.2 目標檢測
4.2.1 目標檢測常用數據集
4.2.2 目標定位和檢測的基本方法
4.3 圖像分割
4.3.1 圖像分割常用數據集
4.3.2 語義分割的方法與思路
4.4 圖像生成
4.4.1 生成對抗網絡
4.4.2 擴散模型
第5章 視覺智能中的深度學習
5.1 機器視覺發展現狀
5.2 深度學習發展趨勢
5.3 深度學習常用基準數據集
5.4 卷積神經網絡技術基礎
5.4.1 卷積運算
5.4.2 池化運算
5.4.3 BN層與全連接層
5.4.4 激活函數
5.4.5 模型參數選擇
5.5 國內外知名刊物
第6章 視覺智能中的行為認知
6.1 從視覺感知智能到視覺認知智能
6.2 從認知智能到行為智能
6.2.1 基於行業知識圖譜的深度應用
6.2.2 基於知識圖譜的隱性關系挖掘和推理
6.2.3 行業趨勢
6.2.4 認知智能的落地條件及挑戰
6.3 強化學習與決策
6.3.1 強化學習
6.3.2 強化學習的環境
6.3.3 強化學習中的數據
6.3.4 深度強化學習
6.3.5 深度強化學習在自然語言處理中的應用
6.4 行為認知數據集
6.4.1 駕駛行為認知數據集
6.4.2 行為仿真數據集
第7章 視覺智能與元宇宙
7.1 元宇宙的發展
7.1.1 元宇宙的定義
7.1.2 元宇宙的特征
7.1.3 元宇宙所需要的技術支撐
7.2 元宇宙中的視覺智能
7.2.1 元宇宙下的視覺設計
7.2.2 VR/AR技術成為通往元宇宙的關鍵接口
7.2.3 未來視覺技術寓於元宇宙
7.2.4 RGBD智能立體視覺系統
7.3 元宇宙與光電顯示技術
7.4 元宇宙在視覺領域的發展趨勢和展望
7.4.1 發展現狀
7.4.2 面臨的問題
7.4.3 未來展望
第8章 三維場景中的視覺智能
8.1 三維場景深度圖像獲取技術
8.1.1 基於雙目相機的立體匹配方法
8.1.2 基於單目相機的深度估計方法
8.2 三維場景視覺定位與制圖技術
8.2.1 視覺SLAM技術框架
8.2.2 視覺SLAM技術方法
8.2.3 視覺SLAM前沿技術
8.2.4 三維視覺數據集
8.3 三維視覺建模方法
8.3.1 傳統三維建模方法
8.3.2 基於深度學習的三維建模方法
8.4 三維視覺發展趨勢與展望
第9章 自動駕駛視覺智能認知
9.1 自動駕駛國內外發展政策
9.1.1 國外政策
9.1.2 國內政策
9.2 場景分割
9.2.1 場景分割