卷積神經(jīng)網(wǎng)絡(luò)之圖像融合識別
定 價:88 元
叢書名:前沿科技·人工智能系列
- 作者:趙文達(dá)
- 出版時間:2024/6/1
- ISBN:9787121482724
- 出 版 社:電子工業(yè)出版社
- 中圖法分類:TP751
- 頁碼:184
- 紙張:
- 版次:01
- 開本:16開
本書是一本探討卷積神經(jīng)網(wǎng)絡(luò)在圖像融合、識別任務(wù)上應(yīng)用的專業(yè)著作,旨在為讀者提供全面而實用的知識體系,使其能夠深入理解圖像融合與識別的原理和實現(xiàn),并應(yīng)用于各個領(lǐng)域。本書涵蓋了從卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)概念到圖像融合、識別前沿技術(shù)的全面內(nèi)容,并詳細(xì)介紹了著者自身的研究成果。本書共8 章,主要包括:圖像融合與目標(biāo)識別的目的、意義、基本概念、技術(shù)指標(biāo)和研究歷史及現(xiàn)狀,卷積神經(jīng)網(wǎng)絡(luò),特征表示學(xué)習(xí)的多源圖像融合,多域特征對齊的多源圖像融合,小樣本遙感目標(biāo)識別,復(fù)雜樣本分布的遙感目標(biāo)識別,圖像融合和目標(biāo)識別的實際應(yīng)用,以及回顧、建議與展望。
趙文達(dá),副教授,博士生導(dǎo)師。研究方向包括多模態(tài)圖像分析,如圖像分類、融合;圖像目標(biāo)區(qū)域分割,如非聚焦模糊區(qū)域檢測;以及開放環(huán)境下遙感圖像分析,如目標(biāo)檢測、識別等。在包括 CVPR,ECCV,AAAI 等本領(lǐng)域頂級會議,以及 IEEE TPAMI,IEEE TIP,IEEE TNNLS,IEEE TMM, IEEE TGRS,IEEE TCSVT 等本領(lǐng)域頂級期刊上發(fā)表學(xué)術(shù)論文40余篇。獲得 IEEE MMTC 2020 Best Conference Paper Award,ISAIR 2018 Best Student Paper Award。大連市"科技之星”,大連理工大學(xué)"星海骨干”計劃入選者。擔(dān)任中國人工智能學(xué)會智能融合專業(yè)委員會副秘書長,中國指揮與控制學(xué)會青年工作委員會委員,以及視覺與學(xué)習(xí)青年學(xué)者研討會議(VALSE)執(zhí)行AC
目 錄
第1章 緒論 1
1.1 圖像融合與目標(biāo)識別的目的和意義 1
1.2 圖像融合與目標(biāo)識別中的相關(guān)基本概念 2
1.2.1 圖像融合 2
1.2.2 目標(biāo)識別 3
1.3 圖像融合與目標(biāo)識別算法的設(shè)計要求和主要技術(shù)指標(biāo) 4
1.3.1 圖像融合與目標(biāo)識別算法的工程設(shè)計 4
1.3.2 圖像融合與目標(biāo)識別算法的評估 4
1.4 圖像融合與目標(biāo)識別技術(shù)的研究歷史及現(xiàn)狀 6
1.4.1 圖像融合 6
1.4.2 目標(biāo)識別 8
1.5 本書的研究范圍和概覽 9
參考文獻(xiàn) 11
第2章 卷積神經(jīng)網(wǎng)絡(luò) 15
2.1 引言 15
2.2 神經(jīng)網(wǎng)絡(luò) 15
2.2.1 神經(jīng)元 15
2.2.2 感知機 17
2.2.3 BP網(wǎng)絡(luò)與反向傳播算法 18
2.3 卷積神經(jīng)網(wǎng)絡(luò)的基本概念和基本結(jié)構(gòu) 20
2.3.1 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 20
2.3.2 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu) 21
2.3.3 卷積神經(jīng)網(wǎng)絡(luò)之圖像融合識別典型模型 24
2.4 小結(jié) 33
參考文獻(xiàn) 33
第3章 特征表示學(xué)習(xí)的多源圖像融合 35
3.1 引言 35
3.2 交互式特征嵌入的圖像融合 35
3.2.1 方法背景 35
3.2.2 交互式特征嵌入的圖像融合網(wǎng)絡(luò)模型 37
3.2.3 模型訓(xùn)練 40
3.2.4 實驗 41
3.3 聯(lián)合特定和通用特征表示的圖像融合 46
3.3.1 方法背景 46
3.3.2 聯(lián)合特定和通用特征表示的圖像融合網(wǎng)絡(luò)模型 48
3.3.3 模型訓(xùn)練 52
3.3.4 實驗 53
3.4 小結(jié) 58
參考文獻(xiàn) 59
第4章 多域特征對齊的多源圖像融合 63
4.1 引言 63
4.2 自監(jiān)督特征自適應(yīng)的圖像融合 63
4.2.1 方法背景 63
4.2.2 自監(jiān)督特征自適應(yīng)的圖像融合網(wǎng)絡(luò)模型 64
4.2.3 模型訓(xùn)練 68
4.2.4 實驗 69
4.3 基于元特征嵌入的圖像融合 79
4.3.1 方法背景 79
4.3.2 基于元特征嵌入的圖像融合網(wǎng)絡(luò)模型 80
4.3.3 模型訓(xùn)練 84
4.3.4 實驗 86
4.4 小結(jié) 94
參考文獻(xiàn) 95
第5章 小樣本遙感目標(biāo)識別 98
5.1 引言 98
5.2 協(xié)作蒸餾的遙感目標(biāo)識別 99
5.2.1 方法背景 99
5.2.2 協(xié)作蒸餾的遙感目標(biāo)識別網(wǎng)絡(luò)模型 100
5.2.3 模型訓(xùn)練 103
5.2.4 實驗 103
5.3 弱相關(guān)蒸餾的遙感目標(biāo)識別 111
5.3.1 方法背景 111
5.3.2 弱相關(guān)蒸餾的遙感目標(biāo)識別網(wǎng)絡(luò)模型 113
5.3.3 模型訓(xùn)練 115
5.3.4 實驗 117
5.4 小結(jié) 124
參考文獻(xiàn) 124
第6章 復(fù)雜樣本分布的遙感目標(biāo)識別 128
6.1 引言 128
6.2 層次蒸餾的長尾目標(biāo)識別 128
6.2.1 方法背景 128
6.2.2 層次蒸餾的長尾目標(biāo)識別網(wǎng)絡(luò)模型 130
6.2.3 模型訓(xùn)練 134
6.2.4 實驗 135
6.3 風(fēng)格?內(nèi)容度量學(xué)習(xí)的多域遙感目標(biāo)識別 142
6.3.1 方法背景 142
6.3.2 風(fēng)格?內(nèi)容度量學(xué)習(xí)的多域遙感目標(biāo)識別網(wǎng)絡(luò)模型 145
6.3.3 模型訓(xùn)練 149
6.3.4 實驗 150
6.4 小結(jié) 157
參考文獻(xiàn) 158
第7章 圖像融合和目標(biāo)識別的實際應(yīng)用 161
7.1 引言 161
7.2 圖像融合的應(yīng)用 161
7.2.1 安防監(jiān)測 161
7.2.2 火災(zāi)識別 162
7.2.3 行人檢測 163
7.3 遙感目標(biāo)識別的應(yīng)用 164
7.3.1 艦船識別 164
7.3.2 災(zāi)害探測 165
7.3.3 海上搜救 166
7.4 小結(jié) 167
參考文獻(xiàn) 167
第8章 回顧、建議與展望 171
8.1 引言 171
8.2 研究成果回顧 171
8.3 問題與建議 172
8.4 研究方向展望 173
8.5 小結(jié) 174