您的瀏覽器不支持JavaScript,請開啟后繼續

    <pre id="ttttt"><ruby id="ttttt"><b id="ttttt"></b></ruby></pre>

          <track id="ttttt"></track>

          <track id="ttttt"></track>
          <output id="ttttt"><ruby id="ttttt"><mark id="ttttt"></mark></ruby></output>

          <address id="ttttt"></address>
          類腦智能目標檢測原理及應用

          類腦智能目標檢測原理及應用

          • 作者
          • 趙小川、史津竹 著

          本書將人工智能與人類智慧深度融合,系統、全面地介紹了類腦智能目標檢測網絡的構建原理、方法、過程,具有較高的學術價值;同時,本書將所構建的類腦智能目標檢測網絡在無人車交通標志檢測、無人車-機械臂協同作業這兩個場景進行了示范應用,具有較大的工程應用價值。 本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統研究的科研工作者,以及人工智能、電子信息、計算機工程等...


          • ¥99.00

          ISBN: 978-7-122-42079-4

          版次: 1

          出版時間: 2023-01-01

          圖書介紹

          ISBN:978-7-122-42079-4

          語種:漢文

          開本:32

          出版時間:2023-01-01

          裝幀:平

          頁數:183

          編輯推薦

          本書針對基于深度學習的目標檢測過程中存在的抗干擾能力不足的瓶頸問題,從仿生的角度出發,深入分析如何構建具有抗干擾能力的類腦智能目標檢測網絡。本書的突出創新點為模擬大腦初級視覺皮層的生物學機理和人類認知注意機制,提出了受大腦視覺皮層啟發的多層級、多通路,融合認知注意的類腦智能目標檢測網絡。 該書緊扣技術前沿,條理清楚,理論正確,內容詳實,實驗結果真實可信,具有良好的學術水平和工程應用價值。該書的學術水平為國內領先水平。

          精彩書摘

          本書將人工智能與人類智慧深度融合,系統、全面地介紹了類腦智能目標檢測網絡的構建原理、方法、過程,具有較高的學術價值;同時,本書將所構建的類腦智能目標檢測網絡在無人車交通標志檢測、無人車-機械臂協同作業這兩個場景進行了示范應用,具有較大的工程應用價值。 本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統研究的科研工作者,以及人工智能、電子信息、計算機工程等相關專業的博士研究生、碩士研究生。

          目錄

          第1章 目標檢測技術及其發展
          1.1 數字圖像處理與深度學習  2
          1.1.1 數字圖像處理的基礎知識2
          1.1.2 深度學習的基礎知識4
          1.2 目標檢測技術及其評價指標  17
          1.2.1 什么是目標檢測技術17
          1.2.2 目標檢測的評價指標18
          1.3 目標檢測的研究進展  20
          1.3.1 傳統視覺目標檢測的研究進展20
          1.3.2 基于深度學習的視覺目標檢測研究進展22
          1.3.3 總結與展望32
          1.4 目標檢測技術的難點  34
          1.5 AI對抗攻擊的內涵與研究狀況  36
          1.5.1 AI對抗攻擊的內涵37
          1.5.2 AI對抗攻擊的研究狀況38
          
          第2章 大腦視覺皮層的機理分析
          2.1 視覺系統的運行流程  44
          2.2 眼球-視網膜-視神經工作機制  45
          2.3 視覺皮層的工作機制  49
          2.4 受視覺皮層啟發的目標檢測研究現狀及思考  61
          
          第3章 類腦智能目標檢測網絡的構建與優化
          3.1 構建的總體思路  68
          3.2 仿V1視覺皮層模塊  71
          3.3 視覺注意力模塊  74
          3.4 類腦智能目標檢測深度網絡框架  76
          3.5 目標檢測的網絡模型壓縮提速  84
          3.5.1 模型剪枝技術84
          3.5.2 模型量化技術87
          
          第4章 類腦智能目標檢測網絡的性能評價
          4.1 在公開數據集COCO 2017上目標識別性能評估  90
          4.1.1 COCO數據集簡介90
          4.1.2 模型訓練過程91
          4.1.3 性能對比分析95
          4.2 在自建數據集上性能評估  97
          4.3 存在AI對抗攻擊時的目標檢測效能  99
          4.3.1 AI對抗攻擊圖案99
          4.3.2 AI對抗攻擊下的目標檢測效果分析100
          
          第5章 在無人駕駛車輛上的應用驗證
          5.1 無人駕駛車輛的發展與分析  106
          5.1.1 無人駕駛車輛的發展106
          5.1.2 無人駕駛車輛在視覺感知方面的瓶頸117
          5.2 面向復雜城市環境的數據集構建  120
          5.2.1 數據集概述120
          5.2.2 數據集詳細情況122
          5.3 面向干擾環境無人車交通標志識別  130
          5.3.1 應用驗證系統簡介130
          5.3.2 應用驗證場景介紹134
          5.3.3 應用驗證效果及對比分析137
          5.4 基于視覺目標檢測的車臂協同開門  144
          5.4.1 應用驗證系統簡介144
          5.4.2 系統驗證場景介紹及驗證效果對比分析151
          
          第6章 類腦目標檢測系統的綜合評價
          6.1 構建綜合評價模型的總體思路  156
          6.2 綜合評價的具體實現過程  158
          6.3 指標評測方法與流程  165
          
          總結與展望  168
          
          參考文獻  169

          發送電子郵件聯系我們

          在图书馆里被c的流水

            <pre id="ttttt"><ruby id="ttttt"><b id="ttttt"></b></ruby></pre>

                  <track id="ttttt"></track>

                  <track id="ttttt"></track>
                  <output id="ttttt"><ruby id="ttttt"><mark id="ttttt"></mark></ruby></output>

                  <address id="ttttt"></address>