计算机视觉中的深度学习

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。

这是一本全面介绍计算机视觉和深度学习相互融合领域的著作。本书从计算机视觉的任务入手，总结了从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述了深度学习在具体计算机视觉任务中的应用。 本书首先介绍了深度学习与计算机视觉的发展，阐述了深度学习在计算机视觉领域的重要地位，并介绍了目标跟踪、动作分析等计算机视觉任务，以及深度学习在这些任务中的应用。接着，本书深入探讨了神经网络统计学基础，解释了如何通过统计学方法来构建和训练神经网络，使其能够自动归纳知识，并应用于大数据场景。 此外，本书还详细阐述了神经网络架构设计思路，围绕如何构建一个高效且精确的神经网络模型展开，包括神经元模型的选择和激活函数的设计。书中还介绍了手工特征的定义和目的，探讨了如何通过手工设计并提取的图像特征，来解决诸如遮挡、尺度和照明变化等特定问题。 本书还深入讨论了中级图像特征及提取方法，以及如何从图像中提取出具有辨识力和健壮性的特征，这些特征能够准确表达整幅图像的信息，对于图像识别任务至关重要。此外，本书还介绍了图