基于深度學(xué)習(xí)的視頻物體分割方法與技術(shù)
定 價:98 元
當(dāng)前圖書已被 4 所學(xué)校薦購過!
查看明細
- 作者:程景春
- 出版時間:2025/6/1
- ISBN:9787030819963
- 出 版 社:科學(xué)出版社
- 中圖法分類:TP302.7
- 頁碼:150
- 紙張:
- 版次:1
- 開本:B5
本書介紹了視頻物體分割任務(wù)的理論、技術(shù)與應(yīng)用。全書分為四大部分,第一部分(第1章~第3章)介紹了視頻物體分割的研究現(xiàn)狀和理論基礎(chǔ),主要包含國內(nèi)外相關(guān)研究、視頻物體分割基礎(chǔ)概念、兩類融合算法的具體實現(xiàn)與實驗分析;第二部分(第4,5章)介紹了視頻物體分割算法在訓(xùn)練階段和測試階段的優(yōu)化技巧,主要包含訓(xùn)練階段針對性的樣本擴充、損失函數(shù)設(shè)計與測試階段的后處理算法對比分析;第三部分(第6章)介紹了算法的評價方式,重點針對無監(jiān)督條件下如何評價算法性能進行了細致解析;第四部分(第7,8章)給出了技術(shù)的具體應(yīng)用,包括視頻編輯、人機交互、智能監(jiān)控、智慧醫(yī)療等場景,并對視頻物體分割進行總結(jié)、展望未來發(fā)展趨勢。
更多科學(xué)出版社服務(wù),請掃碼獲取。
北京圖象圖形學(xué)學(xué)會優(yōu)秀博士論文提名獎,2021年(本書依托項目)
目錄
前言
第1章 緒論 1
1.1 視頻物體分割的概念 1
1.1.1 計算機視覺處理任務(wù)的語義層級劃分 1
1.1.2 視頻物體分割的定義 4
1.1.3 視頻物體分割的任務(wù)劃分 5
1.2 視頻物體分割的應(yīng)用領(lǐng)域 8
1.3 視頻物體分割中的關(guān)鍵問題 10
1.4 視頻物體分割的研究現(xiàn)狀 11
1.4.1 圖像分割技術(shù)的研究現(xiàn)狀 11
1.4.2 無監(jiān)督視頻物體分割的研究現(xiàn)狀 14
1.4.3 半監(jiān)督視頻物體分割的研究現(xiàn)狀 15
1.4.4 交互式視頻物體分割的研究現(xiàn)狀 17
1.5 本章小結(jié) 18
第2章 運動和表觀特征融合的視頻物體分割技術(shù) 21
2.1 引言 21
2.2 視頻的運動光流預(yù)測 22
2.3 基于運動和表觀特征融合的視頻物體分割模型 23
2.3.1 神經(jīng)網(wǎng)絡(luò)架構(gòu) 25
2.3.2 雙向傳播與迭代優(yōu)化 27
2.4 實驗結(jié)果與分析 30
2.4.1 數(shù)據(jù)集和評測指標(biāo) 30
2.4.2 算法的有效性驗證 31
2.4.3 算法評價 32
2.5 本章小結(jié) 38
第3章 追蹤和前景分割融合的視頻物體分割技術(shù) 39
3.1 引言 39
3.2 視頻目標(biāo)追蹤算法 40
3.3 基于部件追蹤的快速視頻物體分割技術(shù) 42
3.3.1 部件追蹤 43
3.3.2 部件分割 46
3.3.3 基于相似度的掩模合成 47
3.4 實驗結(jié)果與分析 49
3.4.1 數(shù)據(jù)集和評測指標(biāo) 49
3.4.2 追蹤器對比實驗 50
3.4.3 算法有效性驗證實驗 51
3.4.4 算法評價 53
3.5 本章小結(jié) 57
第4章 視頻物體分割算法的訓(xùn)練優(yōu)化 59
4.1 引言 59
4.2 訓(xùn)練樣本擴增技術(shù) 60
4.2.1 視頻物體分割中的掩模數(shù)據(jù)擴充 60
4.2.2 視頻物體分割中的光流數(shù)據(jù)擴充 62
4.3 訓(xùn)練損失函數(shù)設(shè)計 64
4.3.1 聯(lián)合學(xué)習(xí) 64
4.3.2 視頻物體分割中的掩模邊緣問題分析 65
4.3.3 視頻物體分割的掩模-邊緣聯(lián)合損失函數(shù)設(shè)計 66
4.4 實驗結(jié)果與分析 69
4.4.1 數(shù)據(jù)集和評測指標(biāo) 69
4.4.2 訓(xùn)練樣本擴增技術(shù)的有效性驗證 70
4.4.3 掩模-邊緣聯(lián)合損失函數(shù)的參數(shù)分析 73
4.4.4 掩模-邊緣聯(lián)合損失函數(shù)的有效性驗證 75
4.4.5 聯(lián)合學(xué)習(xí)網(wǎng)絡(luò)的性能分析 76
4.5 本章小結(jié) 78
第5章 視頻物體分割算法的掩模優(yōu)化 79
5.1 引言 79
5.2 掩模優(yōu)化技術(shù)概述 80
5.3 條件隨機場掩模優(yōu)化技術(shù) 82
5.3.1 基于平均場近似的 CRF 掩模優(yōu)化 82
5.3.2 基于神經(jīng)網(wǎng)絡(luò)的 CRF 掩模優(yōu)化 84
5.4 基于空間傳播網(wǎng)絡(luò)的掩模優(yōu)化 86
5.5 基于目標(biāo)連通域的掩模優(yōu)化 89
5.6 實驗結(jié)果與分析 92
5.6.1 CRF掩模優(yōu)化效果 92
5.6.2 SPN掩模優(yōu)化效果 93
5.6.3 基于連通域的掩模優(yōu)化效果 94
5.7 本章小結(jié) 95
第6章 視頻物體分割算法的質(zhì)量評估 96
6.1 引言 96
6.2 分割掩模質(zhì)量評估方法 97
6.2.1 有標(biāo)注條件下的掩模質(zhì)量評估 97
6.2.2 無標(biāo)注條件下的掩模質(zhì)量評估 100
6.3 基于深度學(xué)習(xí)的視頻物體分割掩模質(zhì)量自動評估算法 102
6.3.1 數(shù)據(jù)準(zhǔn)備 102
6.3.2 模型介紹 106
6.3.3 模型訓(xùn)練 107
6.3.4 模型應(yīng)用 107
6.4 實驗結(jié)果與分析 108
6.4.1 網(wǎng)絡(luò)各模塊有效性分析 108
6.4.2 網(wǎng)絡(luò)對不同評價指標(biāo)的預(yù)測能力分析 109
6.4.3 模型參數(shù)分析 110
6.4.4 模型特征組合方式分析 111
6.4.5 模型通用性驗證 113
6.5 自動質(zhì)量評估算法的實際應(yīng)用 114
6.5.1 自動質(zhì)量評估算法用于掩模篩選 114
6.5.2 自動質(zhì)量評估算法用于參數(shù)搜索 114
6.5.3 自動質(zhì)量評估算法用于任意視頻的掩模質(zhì)量評價 116
6.6 本章小結(jié) 118
第7章 視頻物體分割算法的應(yīng)用推廣 119
7.1 引言 119
7.2 視頻物體分割在視頻編輯中的應(yīng)用實例 119
7.2.1 背景替換 119
7.2.2 實時特效 121
7.3 視頻物體分割在人機交互中的應(yīng)用實例 122
7.3.1 人機交互 122
7.3.2 增強現(xiàn)實 124
7.4 視頻物體分割在智能監(jiān)控中的應(yīng)用實例 125
7.4.1 天網(wǎng)地面監(jiān)控 125
7.4.2 無人機遙感監(jiān)控 127
7.5 視頻物體分割在智能醫(yī)療中的應(yīng)用實例 128
7.5.1 醫(yī)學(xué)影像分析 128
7.5.2 手術(shù)機器人 130
7.6 視頻物體分割在自動駕駛中的應(yīng)用實例 131
7.7 本章小結(jié) 133
第8章 總結(jié)與展望 134
參考文獻 135
彩圖