智能圖像分析與理解

鐘平、李冬冬、傅瑞罡、賓康成、胡錫坤

  • 智能圖像分析與理解-preview-1
  • 智能圖像分析與理解-preview-2
  • 智能圖像分析與理解-preview-3
  • 智能圖像分析與理解-preview-4
  • 智能圖像分析與理解-preview-5
  • 智能圖像分析與理解-preview-6
  • 智能圖像分析與理解-preview-7
智能圖像分析與理解-preview-1

相關主題

商品描述

本書系統闡述了智能圖像分析與理解的基本概念、經典理論方法、典型應用與研究進展。全書共 8 章,第 1 章概述學科發展歷程,界定核心問題與研究範疇。第 2、3 章深入講解圖像表征方法,既包括經典手工特征,也涵蓋基於深度學習的表示模型。第 4、5 章集中論述智能圖像的復原、增強與生成技術,包括去噪、去模糊、超分辨率及生成對抗等內容。第 6~8 章則專註於圖像理解領域的三個關鍵任務:目標檢測、語義分割與序列圖像目標跟蹤,對各技術的原理與典型實現進行了系統剖析。 本書可作為高等院校人工智能、計算機類、電子信息類等專業的高年級本科生或研究生參考書,也可作為計算機視覺、圖像處理、人工智能研究與開發專業技術相關人員的參考資料。

作者簡介

鐘平,國防科技大學研究員,博導,主要從事圖像分析與理解、遙感圖像處理、智能目標識別等方向的研究工作。 李冬冬,國防科技大學副研究員,主要從事視頻目標跟蹤、具身視覺跟蹤等方向的研究工作。 傅瑞罡,國防科技大學副教授,主要從事遙感對地光電偵察技術等方向的研究工作。 賓康成,國防科技大學助理研究員,主要從事無人機載光電圖像目標識別技術的基礎理論和應用技術研究。 胡錫坤,國防科技大學副教授,主要從事智能目標識別、遙感圖像智能解譯等方向的研究工作。

目錄大綱

目錄

 

 

 

第1章緒論1

引言2

1.1智能圖像分析與理解的內涵2

1.1.1圖像分析與圖像理解概述2

1.1.2“智能”的內涵3

1.2圖像分析與理解技術演進4

1.2.1前深度學習時代4

1.2.2深度學習時代5

1.2.3當下與未來6

1.3智能圖像分析與理解技術的任務譜系7

1.4智能圖像分析與理解技術的典型應用8

1.4.1文物數字化修復8

1.4.2媒體內容生成與創意設計8

1.4.3遙感成像解譯9

1.4.4自動駕駛感知9

1.4.5城市安防10

本章小結11

練習題11

參考文獻11

第2章智能圖像表征的基礎理論12

引言13

2.1圖像表征的數學模型13

2.1.1圖像表征模型13

2.1.2圖像表征學習模型16

2.2智能圖像表征總體技術框架17

2.2.1數據準備17

2.2.2模型構建20

2.2.3模型訓練22

2.2.4模型評估23

2.2.5模型測試25

2.2.6模型部署28

2.3智能圖像表征模型構建29

2.3.1基礎結構單元29

2.3.2模型構建方法41

2.4智能圖像表征模型訓練42

2.4.1模型訓練內涵42

2.4.2模型訓練目標函數42

2.4.3模型訓練方法44

2.4.4模型訓練技巧46

本章小結48

練習題49

參考文獻49

第3章智能圖像表征模型50

引言51

3.1圖像卷積表征基礎模型51

3.1.1卷積結構與圖像表征51

3.1.2經典卷積神經網絡52

3.2圖像深層表征模型53

3.2.1序貫性圖像深層表征模型53

3.2.2多分支圖像深層表征模型57

3.2.3跨層連接圖像深層表征模型62

3.2.4多分支與跨層連接組合圖像深層表征模型69

3.3圖像加寬表征模型72

3.3.1圖像加寬表征72

3.3.2加寬表征模型實現72

3.3.3BLS擴展模型76

3.4圖像密連表征模型77

3.4.1圖像密集連接表征77

3.4.2密集連接表征模型的實現78

3.5圖像上下文表征模型80

3.5.1圖像上下文表征80

3.5.2基於CNN的圖像上下文表征模型80

3.5.3基於Transformer的圖像上下文表征模型84

3.5.4基於狀態空間模型的圖像上下文表征模型86

3.6圖像表征模型結構自動搜索88

3.6.1圖像表征模型結構分析88

3.6.2表征模型結構自動搜索88

本章小結91

練習題91

參考文獻92

第4章智能圖像復原與增強93

引言94

4.1圖像復原與增強概述94

4.1.1圖像復原與增強的基本概念94

4.1.2圖像復原與增強的應用場景94

4.1.3質量評價指標95

4.2智能圖像去噪97

4.2.1DnCNN99

4.2.2CBDNet100

4.2.3RIDNet102

4.3智能圖像去模糊105

4.3.1DeepDeblurNet106

4.3.2SRNDeblurNet108

4.3.3DeblurGAN109

4.4智能圖像超分辨率111

4.4.1SRCNN113

4.4.2SRGAN114

4.4.3RCAN116

4.4.4SwinIR117

4.4.5SR3119

4.5智能低光照圖像增強120

4.5.1LLNet121

4.5.2RetinexNet123

4.5.3ZeroDCE125

4.5.4EnlightenGAN128

本章小結130

練習題130

參考文獻131

第5章智能圖像生成132

引言133

5.1圖像生成的理論與架構133

5.1.1生成任務的數學理論133

5.1.2生成模型的整體架構135

5.2基於自回歸生成模型的圖像生成135

5.2.1PixelRNN136

5.2.2PixelCNN137

5.3基於變分自編碼器的圖像生成138

5.3.1AE139

5.3.2VAE139

5.3.3CVAE143

5.4基於生成對抗網絡的圖像生成144

5.4.1cGAN144

5.4.2Pix2Pix146

5.4.3CycleGAN148

5.5基於擴散模型的圖像生成150

5.5.1DDPM150

5.5.2DDIM152

5.5.3Stable Diffusion153

5.5.4ControlNet156

本章小結159

練習題159

參考文獻160

第6章智能圖像目標檢測161

引言162

6.1目標檢測概述162

6.1.1目標檢測數據集162

6.1.2效果表示164

6.1.3性能評估166

6.2兩階段RCNN系列目標檢測算法169

6.2.1候選區域生成169

6.2.2RCNN170

6.2.3Fast RCNN172

6.2.4Faster RCNN174

6.3單階段YOLO系列目標檢測算法176

6.3.1YOLOv1176

6.3.2YOLOv2178

6.3.3YOLOv3180

6.3.4YOLOv4/v5/v8182

6.3.5YOLOv10187

6.3.6YOLOv13189

6.4基於Transformer的目標檢測算法191

6.4.1DETR191

6.4.2Deformable DETR193

6.4.3DINO195

6.5開放目標檢測算法197

6.5.1GLIP197

6.5.2Grounding DINO198

6.5.3DINOv3201

6.5.4YOLOWorld203

6.6目標檢測算法性能與算法優化205

6.6.1在典型目標檢測數據集上的實驗結果205

6.6.2數據增強與預處理207

6.6.3模型結構優化209

6.6.4訓練策略改進211

本章小結212

練習題213

參考文獻213

第7章智能圖像語義分割214

引言215

7.1常用圖像語義分割數據集215

7.1.1PASCAL VOC216

7.1.2COCO與LVIS216

7.1.3ADE20K217

7.1.4Cityscapes217

7.1.5CamVid218

7.2基於全卷積網絡的圖像語義分割模型218

7.2.1基於全卷積網絡的語義分割模型218

7.2.2基於全卷積網絡的對稱語義分割模型221

7.2.3基於全卷積網絡的擴張語義分割模型224

7.2.4基於全卷積網絡的特征融合語義分割模型226

7.3基於循環神經網絡的圖像語義分割模型227

7.4基於生成對抗網絡的圖像語義分割模型229

7.5基於Transformer的圖像語義分割模型230

7.5.1SegFormer231

7.5.2Segmenter232

7.5.3SAM233

7.6圖像語義分割結果對比234

7.6.1性能評估指標234

7.6.2圖像語義分割算法結果對比234

本章小結235

練習題236

參考文獻236

第8章智能序列圖像目標跟蹤237

引言238

8.1目標跟蹤概述238

8.1.1基本概念238

8.1.2分類方式241

8.2智能單目標跟蹤242

8.2.1基於孿生卷積神經網絡的單目標跟蹤242

8.2.2基於Transformer的單目標跟蹤246

8.2.3基於Mamba的單目標跟蹤253

8.2.4單目標跟蹤典型數據集及評價指標257

8.2.5單目標跟蹤算法性能分析260

8.3智能多目標跟蹤261

8.3.1基於卷積神經網絡的多目標跟蹤261

8.3.2基於Transformer的多目標跟蹤271

8.3.3基於Mamba的多目標跟蹤279

8.3.4多目標跟蹤典型數據集及評價指標283

8.3.5多目標跟蹤算法性能分析287

本章小結288

練習題289

參考文獻289

最後瀏覽商品 (1)