Autor Benois-Pineau, Jenny
|
|
Documentos disponibles escritos por este autor (3)
Hacer una sugerencia Refinar búsqueda
Título : Deep Learning in Mining of Visual Content Tipo de documento: documento electrónico Autores: Zemmari, Akka, Autor ; Benois-Pineau, Jenny, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XVII, 110 p. 46 ilustraciones, 25 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-34376-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Procesamiento de imágenes Visión por computador Procesamiento de datos Imágenes por computadora visión reconocimiento de patrones y gráficos Minería de datos y descubrimiento de conocimientos Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro proporciona al lector los conocimientos fundamentales en el área del aprendizaje profundo con aplicación a la minería de contenido visual. Los autores ofrecen una nueva visión de los enfoques de aprendizaje profundo, tanto desde el punto de vista de la comprensión de imágenes como del aprendizaje automático supervisado. Contiene capítulos que presentan los fundamentos teóricos y matemáticos de las redes neuronales y los métodos de optimización relacionados. Luego analiza algunas arquitecturas particulares muy populares utilizadas en el dominio: redes neuronales convolucionales y redes neuronales recurrentes. El aprendizaje profundo se encuentra actualmente en el corazón de la mayoría de las tecnologías de vanguardia. Está en el centro de los recientes avances en Inteligencia Artificial. La información visual en formato digital crece constantemente en volumen. En dominios tan activos como la visión por computadora y la robótica, la comprensión de la información visual se basa en el uso del aprendizaje profundo. Otros capítulos presentan aplicaciones del aprendizaje profundo para la minería de contenido visual. Estos incluyen mecanismos de atención en redes neuronales profundas y aplicaciones a la minería de contenidos culturales digitales. También se analiza un campo de aplicación adicional que ilustra cómo el aprendizaje profundo puede ser de gran interés para el diagnóstico asistido por ordenador de la enfermedad de Alzheimer mediante imágenes multimodales. Este libro está dirigido a estudiantes de nivel avanzado que estudian ciencias de la computación, incluida la visión por computadora, el análisis de datos y la multimedia. Los investigadores y profesionales que trabajan en informática y procesamiento de señales e imágenes también pueden estar interesados en este libro. Nota de contenido: Introduction -- Supervised Learning Problem Formulation -- Neural Networks from Scratch -- Optimization Methods -- Deep in the Wild -- Convolutional Neural Networks as Image Analysis Tool -- Dynamic Content Mining -- Case Study for Digital Cultural Content Mining -- Introducing Domain Knowledge. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Deep Learning in Mining of Visual Content [documento electrónico] / Zemmari, Akka, Autor ; Benois-Pineau, Jenny, Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XVII, 110 p. 46 ilustraciones, 25 ilustraciones en color.
ISBN : 978-3-030-34376-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Procesamiento de imágenes Visión por computador Procesamiento de datos Imágenes por computadora visión reconocimiento de patrones y gráficos Minería de datos y descubrimiento de conocimientos Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro proporciona al lector los conocimientos fundamentales en el área del aprendizaje profundo con aplicación a la minería de contenido visual. Los autores ofrecen una nueva visión de los enfoques de aprendizaje profundo, tanto desde el punto de vista de la comprensión de imágenes como del aprendizaje automático supervisado. Contiene capítulos que presentan los fundamentos teóricos y matemáticos de las redes neuronales y los métodos de optimización relacionados. Luego analiza algunas arquitecturas particulares muy populares utilizadas en el dominio: redes neuronales convolucionales y redes neuronales recurrentes. El aprendizaje profundo se encuentra actualmente en el corazón de la mayoría de las tecnologías de vanguardia. Está en el centro de los recientes avances en Inteligencia Artificial. La información visual en formato digital crece constantemente en volumen. En dominios tan activos como la visión por computadora y la robótica, la comprensión de la información visual se basa en el uso del aprendizaje profundo. Otros capítulos presentan aplicaciones del aprendizaje profundo para la minería de contenido visual. Estos incluyen mecanismos de atención en redes neuronales profundas y aplicaciones a la minería de contenidos culturales digitales. También se analiza un campo de aplicación adicional que ilustra cómo el aprendizaje profundo puede ser de gran interés para el diagnóstico asistido por ordenador de la enfermedad de Alzheimer mediante imágenes multimodales. Este libro está dirigido a estudiantes de nivel avanzado que estudian ciencias de la computación, incluida la visión por computadora, el análisis de datos y la multimedia. Los investigadores y profesionales que trabajan en informática y procesamiento de señales e imágenes también pueden estar interesados en este libro. Nota de contenido: Introduction -- Supervised Learning Problem Formulation -- Neural Networks from Scratch -- Optimization Methods -- Deep in the Wild -- Convolutional Neural Networks as Image Analysis Tool -- Dynamic Content Mining -- Case Study for Digital Cultural Content Mining -- Introducing Domain Knowledge. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Multi-faceted Deep Learning : Models and Data Tipo de documento: documento electrónico Autores: Benois-Pineau, Jenny, ; Zemmari, Akka, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XII, 316 p. 86 ilustraciones, 66 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-74478-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia artificial Aprendizaje automático Sistemas multimedia Visión por computador Sistemas de información multimedia Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro cubre un gran conjunto de métodos en el campo de la Inteligencia Artificial - Aprendizaje Profundo aplicados a problemas del mundo real. Los fundamentos del enfoque de aprendizaje profundo y los diferentes tipos de redes neuronales profundas (DNN) se resumen primero en este libro, que ofrece un preámbulo completo para futuros capítulos orientados a problemas. En este libro se analizan los problemas más interesantes y abiertos del aprendizaje automático en el marco del aprendizaje profundo y se proponen soluciones. Este libro ilustra cómo implementar el aprendizaje de disparo cero con clasificadores de redes neuronales profundas, que requieren una gran cantidad de datos de entrenamiento. La falta de datos de entrenamiento anotados empuja naturalmente a los investigadores a implementar algoritmos de baja supervisión. El aprendizaje métrico es una investigación a largo plazo, pero en el marco de los enfoques de aprendizaje profundo, adquiere frescura y originalidad. La clasificación detallada con una baja variabilidad entre clases es un problema difícil para cualquier tarea de clasificación. Este libro presenta cómo se resuelve mediante el uso de diferentes modalidades y mecanismos de atención en redes convolucionales 3D. Los investigadores centrados en aprendizaje automático, aprendizaje profundo, multimedia y visión por computadora querrán comprar este libro. Los estudiantes de nivel avanzado que estudien ciencias de la computación dentro de estas áreas temáticas también encontrarán útil este libro. Nota de contenido: 1. Introduction -- 2. Deep Neural Networks: Models and methods -- 3. Deep learning for semantic segmentation -- 4. Beyond Full Supervision in Deep Learning -- 5. Similarity Metric Learning -- 6. Zero-shot Learning with Deep Neural Networks for Object Recognition -- 7. Image and Video Captioning using Deep Architectures -- 8. Deep Learning in Video Compression Algorithms -- 9. 3D Convolutional Networks for Action Recognition: Application toSport Gesture Recognition -- 10. Deep Learning for Audio and Music -- 11. Explainable AI for Medical Imaging:Knowledge Matters -- 12. Improving Video Quality with Generative Adversarial Networks -- 13. Conclusion. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Multi-faceted Deep Learning : Models and Data [documento electrónico] / Benois-Pineau, Jenny, ; Zemmari, Akka, . - 1 ed. . - [s.l.] : Springer, 2021 . - XII, 316 p. 86 ilustraciones, 66 ilustraciones en color.
ISBN : 978-3-030-74478-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia artificial Aprendizaje automático Sistemas multimedia Visión por computador Sistemas de información multimedia Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro cubre un gran conjunto de métodos en el campo de la Inteligencia Artificial - Aprendizaje Profundo aplicados a problemas del mundo real. Los fundamentos del enfoque de aprendizaje profundo y los diferentes tipos de redes neuronales profundas (DNN) se resumen primero en este libro, que ofrece un preámbulo completo para futuros capítulos orientados a problemas. En este libro se analizan los problemas más interesantes y abiertos del aprendizaje automático en el marco del aprendizaje profundo y se proponen soluciones. Este libro ilustra cómo implementar el aprendizaje de disparo cero con clasificadores de redes neuronales profundas, que requieren una gran cantidad de datos de entrenamiento. La falta de datos de entrenamiento anotados empuja naturalmente a los investigadores a implementar algoritmos de baja supervisión. El aprendizaje métrico es una investigación a largo plazo, pero en el marco de los enfoques de aprendizaje profundo, adquiere frescura y originalidad. La clasificación detallada con una baja variabilidad entre clases es un problema difícil para cualquier tarea de clasificación. Este libro presenta cómo se resuelve mediante el uso de diferentes modalidades y mecanismos de atención en redes convolucionales 3D. Los investigadores centrados en aprendizaje automático, aprendizaje profundo, multimedia y visión por computadora querrán comprar este libro. Los estudiantes de nivel avanzado que estudien ciencias de la computación dentro de estas áreas temáticas también encontrarán útil este libro. Nota de contenido: 1. Introduction -- 2. Deep Neural Networks: Models and methods -- 3. Deep learning for semantic segmentation -- 4. Beyond Full Supervision in Deep Learning -- 5. Similarity Metric Learning -- 6. Zero-shot Learning with Deep Neural Networks for Object Recognition -- 7. Image and Video Captioning using Deep Architectures -- 8. Deep Learning in Video Compression Algorithms -- 9. 3D Convolutional Networks for Action Recognition: Application toSport Gesture Recognition -- 10. Deep Learning for Audio and Music -- 11. Explainable AI for Medical Imaging:Knowledge Matters -- 12. Improving Video Quality with Generative Adversarial Networks -- 13. Conclusion. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Visual Content Indexing and Retrieval with Psycho-Visual Models / Benois-Pineau, Jenny ; Le Callet, Patrick
Título : Visual Content Indexing and Retrieval with Psycho-Visual Models Tipo de documento: documento electrónico Autores: Benois-Pineau, Jenny, ; Le Callet, Patrick, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIV, 267 p. 105 ilustraciones, 81 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-57687-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Visión por computador Sistemas de almacenamiento y recuperación de información Inteligencia artificial Sistemas multimedia Almacenamiento y recuperación de información Sistemas de información multimedia Índice Dewey: 006.37 Visión artificial Resumen: Este libro proporciona un análisis profundo y una amplia cobertura de la fuerte tendencia en visión por computadora y indexación y recuperación visual, cubriendo temas como la incorporación de modelos de atención visual humana en tareas de análisis y recuperación. Hace de puente entre el modelado psicovisual del sistema visual humano y los modelos clásicos y más recientes en indexación y recuperación de contenido visual. Los autores presentan el amplio espectro de tareas visuales, como el reconocimiento de texturas en imágenes estáticas, de acciones en contenidos de vídeo, recuperación de imágenes, diferentes métodos de visualización de imágenes y contenidos multimedia basados en la prominencia visual. Además, el interés por el contenido visual se modela con los medios de los últimos modelos de clasificación, como Deep Neural Networks, que también se tratan en este libro. Este libro es un recurso excepcional como texto secundario para investigadores y estudiantes de nivel avanzado, que participan en una amplia investigación sobre visión por computadora, indexación y recuperación de información visual. Los profesionales que trabajan en este campo también estarán interesados en este libro como referencia. Nota de contenido: Visual content indexing and retrieval with psycho-visual models -- Perceptual Texture Similarity for Machine Intelligence Applications -- Deep Saliency: Prediction of Interestingness In Video With CNN -- Introducing Image Saliency Information Into Content Based Indexing And Emotional Impact Analysis -- Saliency Prediction for Action Recognition -- Querying Multiple Simultaneous Video Streams with 3D Interest Maps -- Information theoretical model for saliency prediction. Application to Attentive CBIR -- Image retrieval based on query by saliency content -- Visual Saliency for the Visualization of Digital Paintings -- Predicting Interestingness of Visual Content -- Glossary. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Visual Content Indexing and Retrieval with Psycho-Visual Models [documento electrónico] / Benois-Pineau, Jenny, ; Le Callet, Patrick, . - 1 ed. . - [s.l.] : Springer, 2017 . - XIV, 267 p. 105 ilustraciones, 81 ilustraciones en color.
ISBN : 978-3-319-57687-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Visión por computador Sistemas de almacenamiento y recuperación de información Inteligencia artificial Sistemas multimedia Almacenamiento y recuperación de información Sistemas de información multimedia Índice Dewey: 006.37 Visión artificial Resumen: Este libro proporciona un análisis profundo y una amplia cobertura de la fuerte tendencia en visión por computadora y indexación y recuperación visual, cubriendo temas como la incorporación de modelos de atención visual humana en tareas de análisis y recuperación. Hace de puente entre el modelado psicovisual del sistema visual humano y los modelos clásicos y más recientes en indexación y recuperación de contenido visual. Los autores presentan el amplio espectro de tareas visuales, como el reconocimiento de texturas en imágenes estáticas, de acciones en contenidos de vídeo, recuperación de imágenes, diferentes métodos de visualización de imágenes y contenidos multimedia basados en la prominencia visual. Además, el interés por el contenido visual se modela con los medios de los últimos modelos de clasificación, como Deep Neural Networks, que también se tratan en este libro. Este libro es un recurso excepcional como texto secundario para investigadores y estudiantes de nivel avanzado, que participan en una amplia investigación sobre visión por computadora, indexación y recuperación de información visual. Los profesionales que trabajan en este campo también estarán interesados en este libro como referencia. Nota de contenido: Visual content indexing and retrieval with psycho-visual models -- Perceptual Texture Similarity for Machine Intelligence Applications -- Deep Saliency: Prediction of Interestingness In Video With CNN -- Introducing Image Saliency Information Into Content Based Indexing And Emotional Impact Analysis -- Saliency Prediction for Action Recognition -- Querying Multiple Simultaneous Video Streams with 3D Interest Maps -- Information theoretical model for saliency prediction. Application to Attentive CBIR -- Image retrieval based on query by saliency content -- Visual Saliency for the Visualization of Digital Paintings -- Predicting Interestingness of Visual Content -- Glossary. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
