Domain Adaptation for Visual Understanding / Singh, Richa ; Vatsa, Mayank ; Patel, Vishal M. ; Ratha, Nalini  

Público ISBD Ningún comentario para este registro. Título : Domain Adaptation for Visual Understanding Tipo de documento: documento electrónico Autores: Singh, Richa, ; Vatsa, Mayank, ; Patel, Vishal M., ; Ratha, Nalini, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 144 p. 62 ilustraciones, 56 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-30671-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Visión por computador  Inteligencia artificial  Inteligencia Computacional Índice Dewey: 006.37 Visión artificial Resumen: Este volumen único revisa los últimos avances en la adaptación de dominios en el entrenamiento de algoritmos de aprendizaje automático para la comprensión visual, ofreciendo valiosos conocimientos de una selección internacional de expertos en el campo. El texto presenta una selección diversa de técnicas novedosas, que cubren aplicaciones de reconocimiento de objetos, reconocimiento de rostros y reconocimiento de acciones y eventos. Temas y características: Revisa los algoritmos de aprendizaje automático basados ​​en adaptación de dominio disponibles para la comprensión visual y proporciona un enfoque de aprendizaje métrico profundo. Presenta un método novedoso no supervisado para la traducción de imagen a imagen y un modelo de recuperación de segmentos de video que utiliza el aprendizaje conjunto. Propone un forma única de determinar qué conjunto de datos es más útil en el entrenamiento base, con el fin de mejorar la transferibilidad de las redes neuronales profundas. Describe un método cuantitativo para estimar la discrepancia entre los datos de origen y de destino para mejorar el rendimiento de la clasificación de imágenes. Presenta una técnica para multimodal. fusión que mejora el reconocimiento de acciones faciales y un marco para el aprendizaje de la intuición en la adaptación de dominios. Examina un enfoque original basado en interpolación para abordar la cuestión del seguimiento de la degradación del modelo en métodos basados ​​en filtros de correlación. Este trabajo autorizado servirá como una referencia invaluable para investigadores y profesionales. interesado en el reconocimiento y la comprensión visual basados ​​en el aprendizaje automático. La Dra. Richa Singh es profesora en el Instituto Indraprastha de Tecnología de la Información, Delhi, India. El Dr. Mayank Vatsa es profesor de la misma institución. El Dr. Vishal M. Patel es profesor asistente en el Departamento de Ingeniería Eléctrica e Informática de la Universidad Johns Hopkins, Baltimore, MD, EE. UU. La Dra. Nalini Ratha es miembro del personal de investigación del Centro de Investigación IBM Thomas J. Watson, Yorktown Heights, Nueva York, EE. UU. Nota de contenido: Domain Adaptation for Visual Understanding -- M-ADDA: Unsupervised Domain Adaptation with Deep Metric Learning -- XGAN: Unsupervised Image-to-Image Translation for Many-to-Many Mappings -- Improving Transferability of Deep Neural Networks -- Cross Modality Video Segment Retrieval with Ensemble Learning -- On Minimum Discrepancy Estimation for Deep Domain Adaptation -- Multi-Modal Conditional Feature Enhancement for Facial Action Unit Recognition -- Intuition Learning -- Alleviating Tracking Model Degradation Using Interpolation-Based Progressive Updating. 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 Domain Adaptation for Visual Understanding [documento electrónico] / Singh, Richa, ; Vatsa, Mayank, ; Patel, Vishal M., ; Ratha, Nalini,  . -  1 ed.  . - [s.l.] : Springer, 2020 . - X, 144 p. 62 ilustraciones, 56 ilustraciones en color. ISBN : 978-3-030-30671-7 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  Inteligencia artificial  Inteligencia Computacional Índice Dewey: 006.37 Visión artificial Resumen: Este volumen único revisa los últimos avances en la adaptación de dominios en el entrenamiento de algoritmos de aprendizaje automático para la comprensión visual, ofreciendo valiosos conocimientos de una selección internacional de expertos en el campo. El texto presenta una selección diversa de técnicas novedosas, que cubren aplicaciones de reconocimiento de objetos, reconocimiento de rostros y reconocimiento de acciones y eventos. Temas y características: Revisa los algoritmos de aprendizaje automático basados ​​en adaptación de dominio disponibles para la comprensión visual y proporciona un enfoque de aprendizaje métrico profundo. Presenta un método novedoso no supervisado para la traducción de imagen a imagen y un modelo de recuperación de segmentos de video que utiliza el aprendizaje conjunto. Propone un forma única de determinar qué conjunto de datos es más útil en el entrenamiento base, con el fin de mejorar la transferibilidad de las redes neuronales profundas. Describe un método cuantitativo para estimar la discrepancia entre los datos de origen y de destino para mejorar el rendimiento de la clasificación de imágenes. Presenta una técnica para multimodal. fusión que mejora el reconocimiento de acciones faciales y un marco para el aprendizaje de la intuición en la adaptación de dominios. Examina un enfoque original basado en interpolación para abordar la cuestión del seguimiento de la degradación del modelo en métodos basados ​​en filtros de correlación. Este trabajo autorizado servirá como una referencia invaluable para investigadores y profesionales. interesado en el reconocimiento y la comprensión visual basados ​​en el aprendizaje automático. La Dra. Richa Singh es profesora en el Instituto Indraprastha de Tecnología de la Información, Delhi, India. El Dr. Mayank Vatsa es profesor de la misma institución. El Dr. Vishal M. Patel es profesor asistente en el Departamento de Ingeniería Eléctrica e Informática de la Universidad Johns Hopkins, Baltimore, MD, EE. UU. La Dra. Nalini Ratha es miembro del personal de investigación del Centro de Investigación IBM Thomas J. Watson, Yorktown Heights, Nueva York, EE. UU. Nota de contenido: Domain Adaptation for Visual Understanding -- M-ADDA: Unsupervised Domain Adaptation with Deep Metric Learning -- XGAN: Unsupervised Image-to-Image Translation for Many-to-Many Mappings -- Improving Transferability of Deep Neural Networks -- Cross Modality Video Segment Retrieval with Ensemble Learning -- On Minimum Discrepancy Estimation for Deep Domain Adaptation -- Multi-Modal Conditional Feature Enhancement for Facial Action Unit Recognition -- Intuition Learning -- Alleviating Tracking Model Degradation Using Interpolation-Based Progressive Updating. 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

---

1 (1 - 1 / 1) Por página: 25 50 100 200