計算機視覺理論、方法與應用

目錄

第1部分檢測與識別篇

第1章自然場景文本檢測

1.1自然場景文本檢測簡介

1.2自然場景文本檢測算法

1.2.1傳統的自然場景文本檢測算法

1.2.2基於深度學習的自然場景文本檢測算法

1.3自然場景文本檢測算法的數據集與評價指標

1.3.1自然場景文本檢測算法的數據集

1.3.2自然場景文本檢測算法的評價指標

1.4自然場景文本檢測算法應用

1.4.1車牌識別算法簡介

1.4.2車牌區域檢測算法

1.4.3車牌字符識別算法

1.4.4車牌識別算法數據集

1.5自然場景文本檢測領域面臨的挑戰

習題

參考文獻

第2章行人檢測

2.1行人檢測簡介

2.2傳統的行人檢測算法

2.3基於深度學習的行人檢測算法

2.3.1基於錨框的行人檢測

2.3.2基於無錨框的行人檢測

2.4基於深度學習的行人檢測算法的改進方向

2.4.1基於損失函數的改進

2.4.2基於後處理方式的改進

2.5行人檢測算法的數據集與評價指標

2.5.1行人檢測算法的數據集

2.5.2行人檢測算法的評價指標

2.6行人檢測領域面臨的挑戰

習題

參考文獻

第2部分跟蹤與定位篇

第3章目標跟蹤

3.1目標跟蹤簡介

3.2目標跟蹤關鍵技術

3.2.1運動模型

3.2.2特征提取

3.2.3觀測模型

3.2.4模型更新

3.3單目標跟蹤算法

3.4多目標跟蹤算法

3.4.1基於檢測的多目標跟蹤算法

3.4.2基於聯合檢測跟蹤的多目標跟蹤算法

3.5目標跟蹤數據集及評價指標

3.5.1常見單目標跟蹤數據集介紹

3.5.2常見多目標跟蹤數據集介紹

3.5.3常見目標跟蹤評價指標介紹

3.6目標跟蹤的應用

3.7目標跟蹤的挑戰

小結

習題

參考文獻

第4章目標定位

4.1目標定位簡介

4.2目標定位算法

4.2.1傳統的目標定位算法

4.2.2基於深度學習的目標定位算法

4.3弱監督的目標定位算法

4.3.1基於單網絡訓練框架的目標定位算法

4.3.2基於多網絡訓練框架的目標定位算法

4.4目標定位領域常用的數據集與評價指標

4.4.1目標定位領域常用的數據集

4.4.2目標定位領域常用的評價指標

4.5目標定位的應用

小結

習題

參考文獻

第3部分視覺內容生成篇

第5章風格遷移

5.1圖像風格遷移簡介

5.2圖像風格遷移方法

5.2.1傳統的圖像風格遷移方法

5.2.2基於圖像優化的圖像風格遷移方法

5.2.3基於模型優化的圖像風格遷移方法

5.3圖像風格遷移領域常用的數據集及評價指標

5.3.1數據集

5.3.2評價指標

5.4圖像風格遷移領域面臨的挑戰

小結

習題

參考文獻

第6章圖像/視頻生成

6.1代表性生成模型的關鍵基礎理論

6.1.1生成式對抗網絡的基礎理論

6.1.2擴散模型的基礎理論

6.2圖像生成

6.2.1圖像生成簡介

6.2.2圖像生成算法

6.2.3圖像生成領域常用的數據集及評價指標

6.2.4圖像生成領域面臨的挑戰

6.3視頻生成

6.3.1視頻生成簡介

6.3.2視頻生成算法

6.3.3視頻生成領域常用的數據集及評價指標

6.3.4視頻生成領域面臨的挑戰

6.4動作合成

6.4.1動作合成簡介

6.4.2動作合成算法

6.4.3動作合成領域常用的數據集及評價指標

6.4.4動作合成領域面臨的挑戰

小結

習題

參考文獻

第7章文本到圖像/視頻生成

7.1文本到圖像/視頻生成簡介

7.2文本到圖像/視頻生成算法

7.2.1文本到圖像生成算法

7.2.2文本到視頻生成算法

7.3文本到圖像/視頻生成常用數據集及評價指標

7.3.1常用數據集

7.3.2常用評價指標

7.4文本到圖像/視頻生成面臨的挑戰

7.4.1文本到圖像生成面臨的挑戰

7.4.2文本到視頻生成面臨的挑戰

7.5文本到圖像/視頻生成的應用領域

7.5.1文本到圖像生成的應用領域

7.5.2文本到視頻生成的應用領域

小結

習題

參考文獻

第8章視覺內容生成的典型應用

8.1虛擬試衣

8.1.1虛擬試衣簡介

8.1.2虛擬試衣算法

8.1.3虛擬試衣常用數據集

8.1.4虛擬試衣技術面臨的挑戰

8.2虛擬換發

8.2.1虛擬換發簡介

8.2.2虛擬換發算法

8.2.3虛擬換發常用數據集

8.2.4虛擬換發面臨的挑戰

8.3妝容遷移

8.3.1妝容遷移簡介

8.3.2妝容遷移算法

8.3.3妝容遷移常用數據集

8.3.4妝容遷移面臨的挑戰

小結

習題

參考文獻

第4部分其他高級計算機視覺主題

第9章深度估計

9.1深度估計簡介

9.2深度估計的發展歷程

9.3基於傳統方法的深度估計

9.3.1基於深度線索的深度估計方法

9.3.2基於傳統機器學習的深度估計方法

9.4基於深度學習的深度估計方法

9.4.1全監督式深度估計方法

9.4.2無監督式深度估計方法

9.4.3半監督式深度估計方法

9.5深度估計的數據集及評價指標

9.5.1深度估計常用數據集

9.5.2深度估計常用評價指標

9.6深度估計的應用

9.7深度估計領域面臨的挑戰

小結

習題

參考文獻

第10章光流估計

10.1光流估計簡介

10.2傳統光流估計方法

10.3基於深度學習的光流估計方法

10.3.1兩幀光流估計方法

10.3.2多幀光流估計方法

10.4光流估計常用數據集及評價指標

10.4.1光流估計數據集

10.4.2光流估計評價指標

10.5光流可視化方法

10.6光流估計的應用

10.7光流估計面臨的挑戰

小結

習題

參考文獻

第11章姿態估計

11.1姿態估計簡介

11.1.1人體關節和姿態表示

11.1.2關鍵點檢測和姿態估計問題的定義

11.2姿態估計算法

11.2.1單人姿態估計方法

11.2.2多人姿態估計方法

11.3姿態估計常用數據集及評價指標

11.3.1姿態估計常用數據集

11.3.2姿態估計常用評價指標

11.4姿態估計的應用

11.4.1運動捕捉與分析

11.4.2智能監控

11.5姿態估計領域面臨的挑戰

小結

習題

參考文獻