2025久久精品亚洲,五月天亚洲色图在线视频,日韩av第4页

內(nèi)容簡介

　　本書針對紋身圖像的局部性、內(nèi)容的復雜性、紋理的清晰性、顏色的單一性、圖案Logo的標志性、大小形狀的多樣性等特點，運用深度學習理論，從紋身的特點、研究理論、紋身識別與檢測研究三方面進行系統(tǒng)、科學的研究。紋身圖像識別與檢測研究是近幾年才引起學者和相關(guān)人員重視的，其研究發(fā)展也是一個不斷完善的過程，希望本書能對相關(guān)領(lǐng)域的研究起到一定的作用。

作者簡介

　　許慶勇，男，現(xiàn)任南昌大學旅游學院教師。南昌大學信息管理與信息系統(tǒng)博士，2015年9月至2016年9月在新加坡南洋理工大學擔任訪問學者。主持和參與省部級課題10余項，作為主要參加者參與國家社會科學基金項目3項，國家自然科學基金項目1項，公開發(fā)表學術(shù)論文20余篇，參編專著2部。

圖書目錄

第一章緒論/1
一、引言/3
二、深度學習/5
三、紋身圖像/12
四、紋身圖像識別與檢測/22

第二章紋身圖像處理理論基礎(chǔ)/27
一、圖像底層特征/29
二、詞包模型/36
三、空間金字塔概述/37
四、深度置信網(wǎng)絡(luò)概述/38
五、卷積神經(jīng)網(wǎng)絡(luò)/42

第三章深度學習算法在紋身圖像檢測中的比較研究/47
一、深度學習算法/49
二、對比實驗與分析/56

第四章基于多特征融合的DBN紋身圖像識別與檢測/63
一、引言/65
二、基于多特征融合的DBN紋身圖像檢測改進算法/66
三、基于視覺詞包的DBN紋身圖像檢測改進算法（BOVW-DBN）/68
四、基于空間金字塔的DBN紋身圖像檢測改進算法（SP-DBN）/74
五、基于DBN改進算法在Caltech 101 分類中的應用/78
六、基于DBN改進算法在紋身圖像檢測中的應用/82

第五章基于全連接層的CNN紋身圖像檢測/93
一、 CNN基本結(jié)構(gòu)/96
二、基于CNN的改進算法/97
三、基于三通道R-CNN的紋身檢測（CFT Faster R-CNN）/118

主要參考文獻/130
后記/143