کتاب Face Image Analysis by Unsupervised Learning (The Springer International Series in Engineering and Computer Science, 612)

وضعیت موجودی موجود

مقایسه شود

قیمت قبلی: 2,680,000 ریال

قیمت: 2,280,000 ریال

Product details

Publisher ‏ : ‎ Springer; Softcover reprint of the original 1st ed. 2001 edition (October 26, 2012)
Language ‏ : ‎ English
Paperback ‏ : ‎ 188 pages
ISBN-10 ‏ : ‎ 1461356539
ISBN-13 ‏ : ‎ 978-1461356530

Available at a lower price from other sellers that may not offer free Prime shipping.

Face Image Analysis by Unsupervised Learning explores adaptive approaches to image analysis. It draws upon principles of unsupervised learning and information theory to adapt processing to the immediate task environment. In contrast to more traditional approaches to image analysis in which relevant structure is determined in advance and extracted using hand-engineered techniques, Face Image Analysis by Unsupervised Learning explores methods that have roots in biological vision and/or learn about the image structure directly from the image ensemble. Particular attention is paid to unsupervised learning techniques for encoding the statistical dependencies in the image ensemble.
The first part of this volume reviews unsupervised learning, information theory, independent component analysis, and their relation to biological vision. Next, a face image representation using independent component analysis (ICA) is developed, which is an unsupervised learning technique based on optimal information transfer between neurons. The ICA representation is compared to a number of other face representations including eigenfaces and Gabor wavelets on tasks of identity recognition and expression analysis. Finally, methods for learning features that are robust to changes in viewpoint and lighting are presented. These studies provide evidence that encoding input dependencies through unsupervised learning is an effective strategy for face recognition.
Face Image Analysis by Unsupervised Learning is suitable as a secondary text for a graduate-level course, and as a reference for researchers and practitioners in industry.

منابع کتاب کتاب Face Image Analysis by Unsupervised Learning (The Springer International Series in Engineering and Computer Science, 612)

با قیمت پایین‌تری از سایر فروشندگانی که ممکن است ارسال رایگان Prime را ارائه ندهند، موجود است.

تجزیه و تحلیل تصویر چهره توسط آموزش بدون نظارت ، رویکردهای تطبیقی برای تجزیه و تحلیل تصویر را بررسی می کند. برای تطبیق پردازش با محیط کار فوری، از اصول یادگیری بدون نظارت و نظریه اطلاعات استفاده می کند. برخلاف روش‌های سنتی‌تر تحلیل تصویر که در آن ساختار مربوطه از قبل تعیین می‌شود و با استفاده از تکنیک‌های مهندسی دست استخراج می‌شود، تجزیه و تحلیل تصویر چهره توسط یادگیری بدون نظارت ، روش‌هایی را بررسی می‌کند که ریشه در بینش بیولوژیکی دارند و/یا به طور مستقیم در مورد ساختار تصویر اطلاعاتی کسب می‌کنند. مجموعه تصویر توجه ویژه ای به تکنیک های یادگیری بدون نظارت برای رمزگذاری وابستگی های آماری در مجموعه تصویر می شود.
بخش اول این جلد، یادگیری بدون نظارت، نظریه اطلاعات، تجزیه و تحلیل مؤلفه های مستقل و ارتباط آنها با بینایی بیولوژیکی را بررسی می کند. سپس، یک نمایش تصویر چهره با استفاده از تجزیه و تحلیل مؤلفه‌های مستقل (ICA) ایجاد می‌شود که یک تکنیک یادگیری بدون نظارت بر اساس انتقال اطلاعات بهینه بین نورون‌ها است. نمایش ICA با تعدادی دیگر از نمایش‌های چهره از جمله چهره‌های ویژه و موجک‌های گابور در وظایف تشخیص هویت و تجزیه و تحلیل بیان مقایسه می‌شود. در نهایت، روش‌هایی برای یادگیری ویژگی‌هایی که در برابر تغییرات در دیدگاه و نور مقاوم هستند، ارائه شده‌اند. این مطالعات شواهدی ارائه می‌دهند که رمزگذاری وابستگی‌های ورودی از طریق یادگیری بدون نظارت، یک استراتژی مؤثر برای تشخیص چهره است.
تجزیه و تحلیل تصویر چهره توسط یادگیری بدون نظارت به عنوان متن ثانویه برای دوره های تحصیلات تکمیلی و به عنوان مرجع برای محققان و دست اندرکاران صنعت مناسب است.

نظرات کاربران درباره کتاب Face Image Analysis by Unsupervised Learning (The Springer International Series in Engineering and Computer Science, 612)

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.

اولین نفری باشید که در مورد کتاب Face Image Analysis by Unsupervised Learning (The Springer International Series in Engineering and Computer Science, 612) نظر می دهد.