Autor Venkateswara, Hemanth
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsquedaDomain Adaptation in Computer Vision with Deep Learning / Venkateswara, Hemanth ; Panchanathan, Sethuraman
TÃtulo : Domain Adaptation in Computer Vision with Deep Learning Tipo de documento: documento electrónico Autores: Venkateswara, Hemanth, ; Panchanathan, Sethuraman, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XI, 256 p. 76 ilustraciones, 55 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-45529-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Aprendizaje automático Procesamiento de imágenes Visión por computador Procesamiento de la señal Inteligencia artificial Software de la aplicacion Imágenes por computadora visión reconocimiento de patrones y gráficos Procesamiento de señales voz e imágenes Aplicaciones informáticas y de sistemas de información Ãndice Dewey: 006.31 Máquina de aprendizaje Resumen: Este libro proporciona un estudio de los enfoques de aprendizaje profundo para la adaptación de dominios en visión por computadora. Ofrece al lector una visión general de las investigaciones más avanzadas sobre la adaptación de dominios basada en el aprendizaje profundo. Este libro también analiza los diversos enfoques de adaptación de dominios basados ​​en el aprendizaje profundo en los últimos años. Describe la importancia de la adaptación de dominios para el avance de la visión por computadora, consolida la investigación en el área y proporciona al lector direcciones prometedoras para futuras investigaciones en adaptación de dominios. Dividida en cuatro partes, la primera parte de este libro comienza con una introducción a la adaptación de dominios, que describe el planteamiento del problema, el papel de la adaptación de dominios y la motivación para la investigación en esta área. Incluye un capÃtulo que describe las técnicas de adaptación de dominios anteriores a la era del aprendizaje profundo. La segunda parte de este libro destaca los enfoques basados ​​en la alineación de caracterÃsticas para la adaptación de dominios. La tercera parte de este libro describe los procedimientos de alineación de imágenes para la adaptación de dominios. La sección final de este libro presenta direcciones novedosas para la investigación en adaptación de dominios. Este libro está dirigido a investigadores que trabajan en inteligencia artificial, aprendizaje automático, aprendizaje profundo y visión por computadora. Los profesionales de la industria y los emprendedores que busquen adoptar el aprendizaje profundo en sus aplicaciones también estarán interesados ​​en este libro. Nota de contenido: Preface -- Part I: Introduction -- Chapter 1: Introduction to Domain Adaptation -- Chapter 2: Shallow Domain Adaptation -- Part II: Domain Alignment in the Feature Space -- Chapter 3: d-SNE: Domain Adaptation using Stochastic Neighborhood Embedding -- Chapter 4: Deep Hashing Network for Unsupervised Domain Adaptation -- Chapter 5: Re-weighted Adversarial Adaptation Network for Unsupervised Domain Adaptation -- Part III: Domain Alignment in the Image Space -- Chapter 6: Unsupervised Domain Adaptation with Duplex Generative Adversarial Network -- Chapter 7: Domain Adaptation via Image to Image Translation -- Chapter 8: Domain Adaptation via Image Style Transfer -- Part IV: Future Directions in Domain Adaptation -- Chapter 9: Towards Scalable Image Classiï¬er Learning with Noisy Labels via Domain Adaptation -- Chapter 10: Adversarial Learning Approach for Open Set Domain Adaptation -- Chapter 11: UniversalDomain Adaptation -- Chapter 12: Multi-source Domain Adaptation by Deep CockTail Networks -- Chapter 13: Zero-Shot Task Transfer. En lÃnea: 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 in Computer Vision with Deep Learning [documento electrónico] / Venkateswara, Hemanth, ; Panchanathan, Sethuraman, . - 1 ed. . - [s.l.] : Springer, 2020 . - XI, 256 p. 76 ilustraciones, 55 ilustraciones en color.
ISBN : 978-3-030-45529-3
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Aprendizaje automático Procesamiento de imágenes Visión por computador Procesamiento de la señal Inteligencia artificial Software de la aplicacion Imágenes por computadora visión reconocimiento de patrones y gráficos Procesamiento de señales voz e imágenes Aplicaciones informáticas y de sistemas de información Ãndice Dewey: 006.31 Máquina de aprendizaje Resumen: Este libro proporciona un estudio de los enfoques de aprendizaje profundo para la adaptación de dominios en visión por computadora. Ofrece al lector una visión general de las investigaciones más avanzadas sobre la adaptación de dominios basada en el aprendizaje profundo. Este libro también analiza los diversos enfoques de adaptación de dominios basados ​​en el aprendizaje profundo en los últimos años. Describe la importancia de la adaptación de dominios para el avance de la visión por computadora, consolida la investigación en el área y proporciona al lector direcciones prometedoras para futuras investigaciones en adaptación de dominios. Dividida en cuatro partes, la primera parte de este libro comienza con una introducción a la adaptación de dominios, que describe el planteamiento del problema, el papel de la adaptación de dominios y la motivación para la investigación en esta área. Incluye un capÃtulo que describe las técnicas de adaptación de dominios anteriores a la era del aprendizaje profundo. La segunda parte de este libro destaca los enfoques basados ​​en la alineación de caracterÃsticas para la adaptación de dominios. La tercera parte de este libro describe los procedimientos de alineación de imágenes para la adaptación de dominios. La sección final de este libro presenta direcciones novedosas para la investigación en adaptación de dominios. Este libro está dirigido a investigadores que trabajan en inteligencia artificial, aprendizaje automático, aprendizaje profundo y visión por computadora. Los profesionales de la industria y los emprendedores que busquen adoptar el aprendizaje profundo en sus aplicaciones también estarán interesados ​​en este libro. Nota de contenido: Preface -- Part I: Introduction -- Chapter 1: Introduction to Domain Adaptation -- Chapter 2: Shallow Domain Adaptation -- Part II: Domain Alignment in the Feature Space -- Chapter 3: d-SNE: Domain Adaptation using Stochastic Neighborhood Embedding -- Chapter 4: Deep Hashing Network for Unsupervised Domain Adaptation -- Chapter 5: Re-weighted Adversarial Adaptation Network for Unsupervised Domain Adaptation -- Part III: Domain Alignment in the Image Space -- Chapter 6: Unsupervised Domain Adaptation with Duplex Generative Adversarial Network -- Chapter 7: Domain Adaptation via Image to Image Translation -- Chapter 8: Domain Adaptation via Image Style Transfer -- Part IV: Future Directions in Domain Adaptation -- Chapter 9: Towards Scalable Image Classiï¬er Learning with Noisy Labels via Domain Adaptation -- Chapter 10: Adversarial Learning Approach for Open Set Domain Adaptation -- Chapter 11: UniversalDomain Adaptation -- Chapter 12: Multi-source Domain Adaptation by Deep CockTail Networks -- Chapter 13: Zero-Shot Task Transfer. En lÃnea: 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
