基于智能視覺計(jì)算的學(xué)習(xí)者行為分析與理解
定 價(jià):198 元
- 作者:馬苗
- 出版時(shí)間:2025/1/1
- ISBN:9787030807052
- 出 版 社:科學(xué)出版社
- 中圖法分類:TP302.7
- 頁碼:314
- 紙張:
- 版次:1
- 開本:B5
本書從學(xué)習(xí)者行為特征入手,利用智能視覺計(jì)算的方法研究學(xué)習(xí)者行為分析與視頻理解關(guān)鍵技術(shù),構(gòu)建學(xué)習(xí)者行為的系列專用數(shù)據(jù)集,在此基礎(chǔ)上提出基于智能視覺計(jì)算的目標(biāo)檢測、身份認(rèn)證、行為識(shí)別、時(shí)序動(dòng)作檢測和視覺場景描述新技術(shù)、新模型和新方法,在傳統(tǒng)教室、計(jì)算機(jī)實(shí)驗(yàn)室、標(biāo)準(zhǔn)化考場等真實(shí)教育教學(xué)場景進(jìn)行仿真實(shí)驗(yàn)和方法驗(yàn)證。
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
SAR圖像處理關(guān)鍵技術(shù)研究及應(yīng)用, 陜西省科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng),2009年,排名第6。
目錄
第一篇 學(xué)習(xí)者行為與智能視覺計(jì)算
第1章 緒論 3
1.1 研究背景 3
1.2 國內(nèi)外研究現(xiàn)狀 4
1.2.1 學(xué)習(xí)者行為表征 5
1.2.2 目標(biāo)檢測與行為分析 7
1.2.3 行為動(dòng)作的內(nèi)容描述 9
1.3 主要內(nèi)容與章 節(jié)組織 11
1.4 小結(jié) 12
參考文獻(xiàn) 12
第2章 智能視覺計(jì)算 16
2.1 計(jì)算機(jī)視覺和機(jī)器視覺 16
2.2 智能視覺計(jì)算的定義 16
2.3 智能視覺計(jì)算的應(yīng)用 18
2.3.1 智能安防 18
2.3.2 智能交通 18
2.3.3 智能制造 19
2.3.4 智能醫(yī)療 19
2.3.5 智能家居 19
2.4 學(xué)習(xí)者行為相關(guān)的智能視覺計(jì)算技術(shù) 20
2.4.1 目標(biāo)檢測 21
2.4.2 行為識(shí)別 21
2.4.3 動(dòng)作檢測 22
2.4.4 視覺場景描述 22
2.5 視覺計(jì)算相關(guān)的科技名企 23
2.6 小結(jié) 26
參考文獻(xiàn) 26
第二篇 學(xué)習(xí)者目標(biāo)檢測與身份認(rèn)證
第3章 學(xué)習(xí)者目標(biāo)檢測 31
3.1 引言 31
3.2 目標(biāo)檢測研究概述 31
3.2.1 常見方法與模型 31
3.2.2 相關(guān)基準(zhǔn)數(shù)據(jù)集 33
3.2.3 性能評(píng)價(jià)指標(biāo) 35
3.3 考試場景下的學(xué)習(xí)者目標(biāo)檢測 36
3.3.1 學(xué)習(xí)者目標(biāo)檢測專用數(shù)據(jù)集構(gòu)建 36
3.3.2 基于SSD網(wǎng)絡(luò)及其改進(jìn)網(wǎng)絡(luò)的目標(biāo)檢測方法 40
3.3.3 基于級(jí)聯(lián)注意力的全卷積目標(biāo)檢測方法 60
3.3.4 基于瓶頸注意模塊的小樣本目標(biāo)檢測方法 73
3.4 小結(jié) 79
參考文獻(xiàn) 80
第4章 學(xué)習(xí)者身份認(rèn)證 84
4.1 引言 84
4.2 身份認(rèn)證研究概述 84
4.2.1 常見方法與模型 84
4.2.2 相關(guān)基準(zhǔn)數(shù)據(jù)集 87
4.2.3 性能評(píng)價(jià)指標(biāo) 88
4.3 學(xué)習(xí)場景下基于人臉特征分析的學(xué)習(xí)者身份認(rèn)證 88
4.3.1 學(xué)習(xí)者身份認(rèn)證專用數(shù)據(jù)集構(gòu)建 88
4.3.2 基于人臉檢測的身份認(rèn)證方法 91
4.3.3 基于人臉識(shí)別的身份認(rèn)證方法 98
4.3.4 基于人臉識(shí)別及類別平衡的身份認(rèn)證方法 102
4.4 小結(jié) 110
參考文獻(xiàn) 110
第三篇 學(xué)習(xí)者行為識(shí)別與時(shí)序動(dòng)作檢測
第5章 學(xué)習(xí)者行為識(shí)別 117
5.1 引言 117
5.2 行為識(shí)別研究概述 117
5.2.1 常見方法與模型 117
5.2.2 相關(guān)基準(zhǔn)數(shù)據(jù)集 120
5.2.3 性能評(píng)價(jià)指標(biāo) 122
5.3 學(xué)習(xí)場景下的學(xué)習(xí)者行為識(shí)別 122
5.3.1 學(xué)習(xí)者行為識(shí)別專用數(shù)據(jù)集構(gòu)建 122
5.3.2 基于解耦注意力和多特征融合的行為識(shí)別方法 127
5.3.3 基于尺度感知目標(biāo)檢測器的行為識(shí)別方法 136
5.3.4 基于姿態(tài)估計(jì)器的行為識(shí)別方法 147
5.4 小結(jié) 161
參考文獻(xiàn) 161
第6章 學(xué)習(xí)者時(shí)序動(dòng)作檢測 166
6.1 引言 166
6.2 時(shí)序動(dòng)作檢測研究概述 166
6.2.1 常見方法與模型 166
6.2.2 相關(guān)基準(zhǔn)數(shù)據(jù)集 169
6.2.3 性能評(píng)價(jià)指標(biāo) 170
6.3 學(xué)習(xí)場景下的學(xué)習(xí)者時(shí)序動(dòng)作檢測 171
6.3.1 學(xué)習(xí)者時(shí)序動(dòng)作檢測專用數(shù)據(jù)集構(gòu)建 171
6.3.2 基于增強(qiáng)解耦的單階段時(shí)序動(dòng)作檢測方法 177
6.3.3 基于Timeception與超事件的時(shí)序動(dòng)作檢測方法 188
6.3.4 基于雙流完整性建模的弱監(jiān)督時(shí)序動(dòng)作檢測方法 203
6.4 小結(jié) 217
參考文獻(xiàn) 217
第四篇 學(xué)習(xí)者行為的視覺場景描述
第7章 學(xué)習(xí)者行為圖像描述 225
7.1 引言 225
7.2 圖像描述研究概述 225
7.2.1 常見方法與模型 225
7.2.2 相關(guān)基準(zhǔn)數(shù)據(jù)集 227
7.2.3 性能評(píng)價(jià)指標(biāo) 228
7.3 考試場景下學(xué)習(xí)者行為圖像單句描述 230
7.3.1 學(xué)習(xí)者行為的圖像單句描述專用數(shù)據(jù)集構(gòu)建 230
7.3.2 CNN+LSTM框架下的圖像單句描述方法 233
7.4 學(xué)習(xí)場景下學(xué)習(xí)者行為圖像密集描述 238
7.4.1 學(xué)習(xí)者行為圖像密集描述專用數(shù)據(jù)集構(gòu)建 238
7.4.2 CNN+LL+LSTM框架下的圖像密集描述方法 242
7.4.3 Y0L0v3+LSTM框架下的圖像密集描述方法 251
7.5 小結(jié) 256
參考文獻(xiàn) 257
第8章 學(xué)習(xí)者行為視頻描述 261
8.1 引言 261
8.2 視頻描述研究概述 261
8.2.1 常見方法與模型 261
8.2.2 相關(guān)基準(zhǔn)數(shù)據(jù)集 264
8.2.3 性能評(píng)價(jià)指標(biāo) 264
8.3 學(xué)習(xí)場景下學(xué)習(xí)者行為視頻描述 265
8.3.1 學(xué)習(xí)者行為視頻描述專用數(shù)據(jù)集 265
8.3.2 基于多特征編碼的視頻描述方法 268
8.3.3 基于動(dòng)態(tài)目標(biāo)感知與二階段融合的視頻描述方法 277
8.3.4 基于多模態(tài)特征的視頻密集描述方法 289
8.4 小結(jié) 303
參考文獻(xiàn) 303
第9章 總結(jié)與展望 310
9.1 研究工作總結(jié) 310
9.2 未來研究展望 312
彩圖