Visual Saliency: From Pixel-Level to Object-Level Analysis / Zhang, Jianming  

Público ISBD Ningún comentario para este título. Título : Visual Saliency: From Pixel-Level to Object-Level Analysis Tipo de documento: documento electrónico Autores: Zhang, Jianming, ; Malmberg, Filip, ; Sclaroff, Stan, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: VII, 138 p. 47 ilustraciones, 44 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-04831-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Visión por computador  Procesamiento de la señal  Informática  Procesamiento de señales  voz e imágenes  Matemáticas de la Computación Clasificación: 006.37 Resumen: Este libro proporciona una introducción a los avances recientes en teoría, algoritmos y aplicaciones de mapas booleanos de distancia para el procesamiento de imágenes. Las aplicaciones incluyen modelar lo que los humanos encuentran destacado o prominente en una imagen y luego usarlo para guiar el recorte inteligente de imágenes, el filtrado selectivo de imágenes, la segmentación de imágenes, el matizado de imágenes, etc. En este libro, los autores presentan métodos para el cálculo de prominencia tanto tradicional como emergente. tareas, que van desde tareas clásicas de bajo nivel, como la detección de prominencia a nivel de píxeles, hasta tareas a nivel de objetos, como la subitización y la detección de objetos salientes. Para tareas de bajo nivel, los autores se centran en enfoques de procesamiento de imágenes a nivel de píxeles basados ​​en transformaciones de distancia eficientes. Para tareas a nivel de objetos, los autores proponen métodos basados ​​en datos que utilizan redes neuronales convolucionales profundas. El libro incluye estudios tanto empíricos como teóricos, junto con detalles de implementación de los métodos propuestos. A continuación se muestran las características clave para diferentes tipos de lectores. Para profesionales de visión por computadora y procesamiento de imágenes: algoritmos eficientes basados ​​en transformaciones de distancia de imagen para tareas de prominencia a nivel de dos píxeles; Técnicas prometedoras de aprendizaje profundo para dos nuevas tareas de prominencia a nivel de objetos; Preentrenamiento del modelo de red neuronal profunda con datos sintéticos; Análisis exhaustivo y profundo del modelo que incluye técnicas de visualización útiles y pruebas de generalización; Totalmente reproducible con códigos, modelos y conjuntos de datos disponibles. Para investigadores interesados ​​en la intersección entre teorías topológicas digitales y problemas de visión por computadora: Resumen de hallazgos teóricos y análisis de distancias en mapas booleanos; Análisis algorítmico teórico; Aplicaciones en detección de objetos salientes y predicción de fijación ocular. Estudiantes que se especializan en procesamiento de imágenes, aprendizaje automático y visión por computadora: este libro proporciona material de lectura complementario actualizado para temas del curso como procesamiento de imágenes basado en conectividad, aprendizaje profundo para el procesamiento de imágenes; Algunos algoritmos fáciles de implementar para proyectos de cursos con datos proporcionados (como enlaces en el libro); Ejercicios prácticos de programación en topología digital y aprendizaje profundo. Nota de contenido: 1 Overview -- 2 Boolean Map Saliency: A Surprisingly Simple Method -- 3 A Distance Transform Perspective -- 4 Efficient Distance Transform for Salient Region Detection -- 5 Salient Object Subitizing -- 6 Unconstrained Salient Object Detection -- 7 Conclusion and Future Work. Tipo de medio : Computadora Summary : This book provides an introduction to recent advances in theory, algorithms and application of Boolean map distance for image processing. Applications include modeling what humans find salient or prominent in an image, and then using this for guiding smart image cropping, selective image filtering, image segmentation, image matting, etc. In this book, the authors present methods for both traditional and emerging saliency computation tasks, ranging from classical low-level tasks like pixel-level saliency detection to object-level tasks such as subitizing and salient object detection. For low-level tasks, the authors focus on pixel-level image processing approaches based on efficient distance transform. For object-level tasks, the authors propose data-driven methods using deep convolutional neural networks. The book includes both empirical and theoretical studies, together with implementation details of the proposed methods. Below are the key features fordifferent types of readers. For computer vision and image processing practitioners: Efficient algorithms based on image distance transforms for two pixel-level saliency tasks; Promising deep learning techniques for two novel object-level saliency tasks; Deep neural network model pre-training with synthetic data; Thorough deep model analysis including useful visualization techniques and generalization tests; Fully reproducible with code, models and datasets available. For researchers interested in the intersection between digital topological theories and computer vision problems: Summary of theoretic findings and analysis of Boolean map distance; Theoretic algorithmic analysis; Applications in salient object detection and eye fixation prediction. Students majoring in image processing, machine learning and computer vision: This book provides up-to-date supplementary reading material for course topics like connectivity based image processing, deep learning for image processing; Some easy-to-implement algorithms for course projects with data provided (as links in the book); Hands-on programming exercises in digital topology and deep learning. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Visual Saliency: From Pixel-Level to Object-Level Analysis [documento electrónico] / Zhang, Jianming, ; Malmberg, Filip, ; Sclaroff, Stan,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - VII, 138 p. 47 ilustraciones, 44 ilustraciones en color. ISBN : 978-3-030-04831-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Visión por computador  Procesamiento de la señal  Informática  Procesamiento de señales  voz e imágenes  Matemáticas de la Computación Clasificación: 006.37 Resumen: Este libro proporciona una introducción a los avances recientes en teoría, algoritmos y aplicaciones de mapas booleanos de distancia para el procesamiento de imágenes. Las aplicaciones incluyen modelar lo que los humanos encuentran destacado o prominente en una imagen y luego usarlo para guiar el recorte inteligente de imágenes, el filtrado selectivo de imágenes, la segmentación de imágenes, el matizado de imágenes, etc. En este libro, los autores presentan métodos para el cálculo de prominencia tanto tradicional como emergente. tareas, que van desde tareas clásicas de bajo nivel, como la detección de prominencia a nivel de píxeles, hasta tareas a nivel de objetos, como la subitización y la detección de objetos salientes. Para tareas de bajo nivel, los autores se centran en enfoques de procesamiento de imágenes a nivel de píxeles basados ​​en transformaciones de distancia eficientes. Para tareas a nivel de objetos, los autores proponen métodos basados ​​en datos que utilizan redes neuronales convolucionales profundas. El libro incluye estudios tanto empíricos como teóricos, junto con detalles de implementación de los métodos propuestos. A continuación se muestran las características clave para diferentes tipos de lectores. Para profesionales de visión por computadora y procesamiento de imágenes: algoritmos eficientes basados ​​en transformaciones de distancia de imagen para tareas de prominencia a nivel de dos píxeles; Técnicas prometedoras de aprendizaje profundo para dos nuevas tareas de prominencia a nivel de objetos; Preentrenamiento del modelo de red neuronal profunda con datos sintéticos; Análisis exhaustivo y profundo del modelo que incluye técnicas de visualización útiles y pruebas de generalización; Totalmente reproducible con códigos, modelos y conjuntos de datos disponibles. Para investigadores interesados ​​en la intersección entre teorías topológicas digitales y problemas de visión por computadora: Resumen de hallazgos teóricos y análisis de distancias en mapas booleanos; Análisis algorítmico teórico; Aplicaciones en detección de objetos salientes y predicción de fijación ocular. Estudiantes que se especializan en procesamiento de imágenes, aprendizaje automático y visión por computadora: este libro proporciona material de lectura complementario actualizado para temas del curso como procesamiento de imágenes basado en conectividad, aprendizaje profundo para el procesamiento de imágenes; Algunos algoritmos fáciles de implementar para proyectos de cursos con datos proporcionados (como enlaces en el libro); Ejercicios prácticos de programación en topología digital y aprendizaje profundo. Nota de contenido: 1 Overview -- 2 Boolean Map Saliency: A Surprisingly Simple Method -- 3 A Distance Transform Perspective -- 4 Efficient Distance Transform for Salient Region Detection -- 5 Salient Object Subitizing -- 6 Unconstrained Salient Object Detection -- 7 Conclusion and Future Work. Tipo de medio : Computadora Summary : This book provides an introduction to recent advances in theory, algorithms and application of Boolean map distance for image processing. Applications include modeling what humans find salient or prominent in an image, and then using this for guiding smart image cropping, selective image filtering, image segmentation, image matting, etc. In this book, the authors present methods for both traditional and emerging saliency computation tasks, ranging from classical low-level tasks like pixel-level saliency detection to object-level tasks such as subitizing and salient object detection. For low-level tasks, the authors focus on pixel-level image processing approaches based on efficient distance transform. For object-level tasks, the authors propose data-driven methods using deep convolutional neural networks. The book includes both empirical and theoretical studies, together with implementation details of the proposed methods. Below are the key features fordifferent types of readers. For computer vision and image processing practitioners: Efficient algorithms based on image distance transforms for two pixel-level saliency tasks; Promising deep learning techniques for two novel object-level saliency tasks; Deep neural network model pre-training with synthetic data; Thorough deep model analysis including useful visualization techniques and generalization tests; Fully reproducible with code, models and datasets available. For researchers interested in the intersection between digital topological theories and computer vision problems: Summary of theoretic findings and analysis of Boolean map distance; Theoretic algorithmic analysis; Applications in salient object detection and eye fixation prediction. Students majoring in image processing, machine learning and computer vision: This book provides up-to-date supplementary reading material for course topics like connectivity based image processing, deep learning for image processing; Some easy-to-implement algorithms for course projects with data provided (as links in the book); Hands-on programming exercises in digital topology and deep learning. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200