Bridging the Semantic Gap in Image and Video Analysis / Kwaśnicka, Halina ; Jain, Lakhmi C.  

Público ISBD Ningún comentario para este registro. Título : Bridging the Semantic Gap in Image and Video Analysis Tipo de documento: documento electrónico Autores: Kwaśnicka, Halina, ; Jain, Lakhmi C., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: X, 163 p. 59 ilustraciones, 48 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-73891-8 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 Computacional  Semiótica  Inteligencia artificial  Procesamiento de la señal  Visión por computador  Procesamiento de señales  voz e imágenes Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro presenta investigaciones de vanguardia sobre diversas formas de cerrar la brecha semántica en el análisis de imágenes y videos. Los respectivos capítulos abordan diferentes etapas del procesamiento de imágenes, revelando que el primer paso es una extracción futura, el segundo es un proceso de segmentación, el tercero es el reconocimiento de objetos y el cuarto y último involucra la interpretación semántica de la imagen. La brecha semántica es un área de investigación desafiante y describe la diferencia entre las características de bajo nivel extraídas de la imagen y los significados semánticos de alto nivel que las personas pueden derivar de la imagen. El resultado depende en gran medida de técnicas de visión de nivel inferior, como la selección de características, la segmentación, el reconocimiento de objetos, etc. El uso de modelos profundos ha liberado a los humanos de seleccionar y extraer manualmente el conjunto de características. El aprendizaje profundo hace esto automáticamente, desarrollando características más abstractas en los niveles sucesivos. El libro ofrece un recurso valioso para investigadores, profesionales, estudiantes y profesores de Ingeniería Informática, Ciencias de la Computación y campos relacionados cuyo trabajo involucra imágenes, análisis de video, interpretación de imágenes, etc. Nota de contenido: Semantic Gap in Image and Video Analysis: An Introduction -- Low-Level Feature Detectors and Descriptors for Smart Image and Video Analysis: A Comparative Study -- Scale-insensitive MSER Features: A Promising Tool for Meaningful Segmentation of Images -- Active Partitions in Localization of Semantically Important Image Structures -- Model-based 3D Object recognition in RGB-D Images -- Ontology-Based Structured Video Annotation for Content-Based Video Retrieval via Spatiotemporal Reasoning -- Deep Learning – a New Era in Bridging the Semantic Gap. 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 Bridging the Semantic Gap in Image and Video Analysis [documento electrónico] / Kwaśnicka, Halina, ; Jain, Lakhmi C.,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - X, 163 p. 59 ilustraciones, 48 ilustraciones en color. ISBN : 978-3-319-73891-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional  Semiótica  Inteligencia artificial  Procesamiento de la señal  Visión por computador  Procesamiento de señales  voz e imágenes Índice Dewey: 006.3 Inteligencia artificial Resumen: Este libro presenta investigaciones de vanguardia sobre diversas formas de cerrar la brecha semántica en el análisis de imágenes y videos. Los respectivos capítulos abordan diferentes etapas del procesamiento de imágenes, revelando que el primer paso es una extracción futura, el segundo es un proceso de segmentación, el tercero es el reconocimiento de objetos y el cuarto y último involucra la interpretación semántica de la imagen. La brecha semántica es un área de investigación desafiante y describe la diferencia entre las características de bajo nivel extraídas de la imagen y los significados semánticos de alto nivel que las personas pueden derivar de la imagen. El resultado depende en gran medida de técnicas de visión de nivel inferior, como la selección de características, la segmentación, el reconocimiento de objetos, etc. El uso de modelos profundos ha liberado a los humanos de seleccionar y extraer manualmente el conjunto de características. El aprendizaje profundo hace esto automáticamente, desarrollando características más abstractas en los niveles sucesivos. El libro ofrece un recurso valioso para investigadores, profesionales, estudiantes y profesores de Ingeniería Informática, Ciencias de la Computación y campos relacionados cuyo trabajo involucra imágenes, análisis de video, interpretación de imágenes, etc. Nota de contenido: Semantic Gap in Image and Video Analysis: An Introduction -- Low-Level Feature Detectors and Descriptors for Smart Image and Video Analysis: A Comparative Study -- Scale-insensitive MSER Features: A Promising Tool for Meaningful Segmentation of Images -- Active Partitions in Localization of Semantically Important Image Structures -- Model-based 3D Object recognition in RGB-D Images -- Ontology-Based Structured Video Annotation for Content-Based Video Retrieval via Spatiotemporal Reasoning -- Deep Learning – a New Era in Bridging the Semantic Gap. 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