Sie sind hier: Startseite » Anwendungs-Software

Visual Saliency: From Pixel-Level to Object-Level

Visual Saliency: From Pixel-Level to Object-Level Analysis.
Urheber: Zhang, Jianming; Malmberg, Filip; Sclaroff, Stan
Verlag: Springer International Publishing.
23,5 x 15,5 cm. 44 Abbildungen, farbig, 3 Abbildungen, schwarz-weiß, . Seiten: 138.
ISBN-13: 9783030048303.
Erscheinungsdatum: 02.02.2019

Dieses Buch wird eine Einführung in die neuesten Fortschritte in Theorie, Algorithmen und Anwendung des booleschen Kartenabstandes für die Bildverarbeitung geben. Anwendungen umfassen die Modellierung dessen, was der Mensch in einem Bild als hervorstechend oder prominent empfindet, und dann die Verwendung dieses Verfahrens zur Führung von Smart Image Cropping, selektiver Bildfilterung, Bildsegmentierung, Bildmattierung usw. In diesem Buch stellen die Autoren Methoden für traditionelle und neu entstehende Salienz-Berechnungsaufgaben vor, die von klassischen Low-Level-Aufgaben wie der Pixel-Level-Salienzerkennung bis hin zu Objektaufgaben wie der Subitisierung und der Erkennung herausragender Objekte reichen. Für Low-Level-Aufgaben konzentrieren sich die Autoren auf pixelbasierte Bildverarbeitungsansätze, die auf einer effizienten Abstandstransformation basieren. Für Aufgaben auf Objektebene schlagen die Autoren datengesteuerte Methoden vor, die tiefe neuronale Faltungsnetze verwenden. Das Buch enthält sowohl empirische als auch theoretische Studien sowie Details zur Umsetzung der vorgeschlagenen Methoden. Nachfolgend finden Sie die wichtigsten Funktionen für verschiedene Arten von Lesegeräten. Für Computer Vision und Bildverarbeitungspraktiker: Effiziente Algorithmen basierend auf Bildabstandstransformationen für zwei Pixel-Level-Saliency-Aufgaben; Vielversprechende Deep-Learning-Techniken für zwei neuartige Objekt-Level-Saliency-Aufgaben; Deep Neural Network Model Pre-Training mit synthetischen Daten; Gründliche tiefe Modellanalyse einschließlich nützlicher Visualisierungstechniken und Generalisierungstests; Vollständig reproduzierbar mit verfügbaren Codes, Modellen und Datensätzen. Für Forscher, die sich für die Schnittstelle zwischen digitalen topologischen Theorien und Problemen des Computer Vision interessieren: Zusammenfassung der theoretischen Ergebnisse und Analyse des booleschen Kartenabstandes; Theoretische algorithmische Analyse; Anwendungen zur Erkennung herausragender Objekte und zur Vorhersage der Augenfixierung. Schüler mit den Schwerpunkten Bildverarbeitung, maschinelles Lernen und Computer Vision: Dieses Buch bietet aktuelles ergänzendes Lesematerial zu Kursthemen wie konnektivitätsbasierte Bildverarbeitung, Deep Learning für die Bildverarbeitung, einige einfach zu implementierende Algorithmen für Kursprojekte mit bereitgestellten Daten (als Links im Buch), praktische Programmierübungen in digitaler Topologie und Deep Learning.

Inhalt:
Bildverarbeitung
Bilderfassungssysteme und -technologie
Theoretische Informatik
Mathematik für Informatiker
Maschinelles Sehen, Bildverstehen
Signalverarbeitung


Hervorragende Objekterkennung; Digitale Topologie; Augenfixierungsvorhersage; Boolescher Kartenabstand; Bildverarbeitung; Computer Vision; Diskrete Computertopologie; Minimaler Barriereabstand; Bildsegmentierung; Salienz