您当前的位置:首页 > 视觉跟踪中的马氏链蒙特卡洛方法 > 下载地址2
视觉跟踪中的马氏链蒙特卡洛方法
- 名 称:视觉跟踪中的马氏链蒙特卡洛方法 - 下载地址2
- 类 别:计算机与网络
- 下载地址:[下载地址2]
- 提 取 码:
- 浏览次数:3
新闻评论(共有 0 条评论) |
资料介绍
视觉跟踪中的马氏链蒙特卡洛方法
作者:周修庄,鲁继文 著
出版时间:2018年版
丛编项: 十三五科学技术专著丛书
内容简介
《视觉跟踪中的马氏链蒙特卡洛方法/“十三五”科学技术专著丛书》基于统计机器学习的理论工具——马氏链蒙特卡洛(MCMC)采样理论,系统地阐述了目标运动不确定性条件下的视觉目标跟踪问题、方法和技术,并结合多种实际应用场景给出算法实现框架和实验分析。全书共4章,第1章介绍了视觉目标跟踪的意义和基本方法。第2章介绍了MCMC采样、自适应MCMC采样的基本理论、方法、实现技术及其在计算机视觉中的应用。第3章介绍了视觉目标跟踪中的序贯粒子采样方法和序贯随机逼近蒙特卡洛采样方法。第4章介绍了面向运动突变视觉目标跟踪的自适应MCMC采样方法。《视觉跟踪中的马氏链蒙特卡洛方法/“十三五”科学技术专著丛书》是视觉目标跟踪与MCMC采样方面的专著,反映了作者近年来在这一领域的主要研究成果。
《视觉跟踪中的马氏链蒙特卡洛方法/“十三五”科学技术专著丛书》可作为大专院校及科研院所图像处理、计算机视觉和智能视频分析领域的高年级本科生、研究生的教学和参考用书,也可供相关领域的教师、科研人员及工程技术人员作参考。
目录
第1章 绪论
1.1 视觉跟踪概述
1.2 国内外研究现状及发展趋势
1.2.1 目标表示、特征选择与外观建模
1.2.2 视觉跟踪方法
第2章 MCMC和自适应MCMC
2.1 引言
2.2 Monte Carlo采样
2.2.1 Monte Carlo积分
2.2.2 Monte Carlo采样
2.3 MCMC采样
2.3.1 Metropolis-Hastings采样
2.3.2 Gibbs采样
2.3.3 MCMC算法分析
2.4 自适应MCMC采样
2.4.1 提议分布自适应
2.4.2 目标分布自适应
2.5 MCMC采样方法在计算机视觉中的应用
2.5.1 目标轮廓的多边形近似
2.5.2 基于MC优化的多边形近似算法
2.6 小结
第3章 序贯随机逼近蒙特卡洛跟踪方法
3.1 引言
3.2 相关工作
3.3 方法介绍
3.3.1 贝叶斯滤波
3.3.2 粒子滤波
3.3.3 基于MCMC采样的粒子滤波
3.3.4 序贯随机逼近蒙特卡洛跟踪方法
3.4 实验结果
3.5 小结
第4章 运动突变的视觉跟踪方法
4.1 引言
4.2 相关工作
4.3 方法介绍
4.3.1 基本思想
4.3.2 密度网格
4.3.3 提议分布自适应
4.3.4 强自适应的MCMC采样
4.3.5 实现细节
4.4 实验结果
4.4.1 提议分布自适应的影响
4.4.2 定性比较
4.4.3 定量比较
4.4.4 讨论
4.5 小结
结论
参考文献
作者:周修庄,鲁继文 著
出版时间:2018年版
丛编项: 十三五科学技术专著丛书
内容简介
《视觉跟踪中的马氏链蒙特卡洛方法/“十三五”科学技术专著丛书》基于统计机器学习的理论工具——马氏链蒙特卡洛(MCMC)采样理论,系统地阐述了目标运动不确定性条件下的视觉目标跟踪问题、方法和技术,并结合多种实际应用场景给出算法实现框架和实验分析。全书共4章,第1章介绍了视觉目标跟踪的意义和基本方法。第2章介绍了MCMC采样、自适应MCMC采样的基本理论、方法、实现技术及其在计算机视觉中的应用。第3章介绍了视觉目标跟踪中的序贯粒子采样方法和序贯随机逼近蒙特卡洛采样方法。第4章介绍了面向运动突变视觉目标跟踪的自适应MCMC采样方法。《视觉跟踪中的马氏链蒙特卡洛方法/“十三五”科学技术专著丛书》是视觉目标跟踪与MCMC采样方面的专著,反映了作者近年来在这一领域的主要研究成果。
《视觉跟踪中的马氏链蒙特卡洛方法/“十三五”科学技术专著丛书》可作为大专院校及科研院所图像处理、计算机视觉和智能视频分析领域的高年级本科生、研究生的教学和参考用书,也可供相关领域的教师、科研人员及工程技术人员作参考。
目录
第1章 绪论
1.1 视觉跟踪概述
1.2 国内外研究现状及发展趋势
1.2.1 目标表示、特征选择与外观建模
1.2.2 视觉跟踪方法
第2章 MCMC和自适应MCMC
2.1 引言
2.2 Monte Carlo采样
2.2.1 Monte Carlo积分
2.2.2 Monte Carlo采样
2.3 MCMC采样
2.3.1 Metropolis-Hastings采样
2.3.2 Gibbs采样
2.3.3 MCMC算法分析
2.4 自适应MCMC采样
2.4.1 提议分布自适应
2.4.2 目标分布自适应
2.5 MCMC采样方法在计算机视觉中的应用
2.5.1 目标轮廓的多边形近似
2.5.2 基于MC优化的多边形近似算法
2.6 小结
第3章 序贯随机逼近蒙特卡洛跟踪方法
3.1 引言
3.2 相关工作
3.3 方法介绍
3.3.1 贝叶斯滤波
3.3.2 粒子滤波
3.3.3 基于MCMC采样的粒子滤波
3.3.4 序贯随机逼近蒙特卡洛跟踪方法
3.4 实验结果
3.5 小结
第4章 运动突变的视觉跟踪方法
4.1 引言
4.2 相关工作
4.3 方法介绍
4.3.1 基本思想
4.3.2 密度网格
4.3.3 提议分布自适应
4.3.4 强自适应的MCMC采样
4.3.5 实现细节
4.4 实验结果
4.4.1 提议分布自适应的影响
4.4.2 定性比较
4.4.3 定量比较
4.4.4 讨论
4.5 小结
结论
参考文献
下一篇: 互联网+创业必读
上一篇: Python 高手进阶之路(套装全10册)
相关推荐
- 网站设计与网页制作 段淑敏,郭军明 编 2015年版
- 给所有人的Python 第4版 [日]柴田淳 2019年版
- 机器人感知:因子图在SLAM中的应用 [美]德尔阿特 2018年版
- 区块链网络构建和应用:基于超级账本Fabric的商业实践
- 计算机视觉与模式识别
- 区块链社会:区块链助力国家治理能力现代化 王焕然,常晓磊,魏凯著 2020年版
- TensorFlow与卷积神经网络从算法入门到项目实战 华超 2019年版
- 中国计算机学会学术著作丛书 高阶谱盲均衡理论、算法与应用 张立毅 等著 2016年版
- MATLAB R2018B完全实战学习手册 王朋 2019年版
- 面向大数据的数据结构与算法设计:Python版 汤羽 2022年版