机器人智能视觉感知与深度学习应用

内容简介

推荐阅读

参考文献

7.4 本章小结

7.3.3 基于SU-SWA的区域分割应用实践

7.3.2 基于SU-SWA的区域分割方法

7.3.1 基于SU-SWA的区域分割任务分析

7.3 基于SU-SWA的区域分割

7.2.2 基于自适应特征选择网络的遥感影像分割应用实践

7.2.1 基于自适应特征选择网络的遥感影像语义分割算法

7.2 基于自适应特征选择网络的遥感影像语义分割

7.1.3 基于卷积神经网络的图像语义分割算法

7.1.2 传统的图像分割算法

7.1.1 图像分割算法的定义

7.1 图像语义分割概述

第7章 图像语义分割

6.5 本章小结

6.4.3 多目标跟踪应用实践

6.4.2 基于上下文图模型的单相机多球员跟踪

6.4.1 图卷积神经网络的基础知识

6.4 基于上下文图模型的单相机多目标跟踪

6.3 基于序列特征的多目标跟踪方法

6.2 多目标跟踪系统构成

6.1.3 多相机多目标跟踪

6.1.2 多目标跟踪

6.1.1 单目标跟踪

6.1 目标跟踪概述

第6章 多目标跟踪

5.7 本章小结

5.6.4 篮球以及球员检测系统软件设计

5.6.3 Mask R-CNN应用实践

5.6.2 改进Mask R-CNN模型

5.6.1 Mask R-CNN算法基本原理

5.6 基于Mask R-CNN的目标检测

5.5.3 目标检测应用实践

5.5.2 R-FCN算法的改进

5.5.1 R-FCN基本原理介绍

5.5 基于R-FCN的目标检测

5.4.2 数据标注

5.4.1 数据预处理

5.4 数据获取与处理

5.3 目标检测模型分类

5.2 目标检测的相关概念

5.1 目标检测系统概述

第5章 视觉目标检测

4.5 本章小结

4.4.6 系统运行测试

4.4.5 基于嵌入式系统的算法设计与实现

4.4.4 字符文本识别应用实践

4.4.3 字符文本识别

4.4.2 字符文本处理

4.4.1 字符区域提取

4.4 基于轻量级模型的喷码文本识别系统

4.3.6 文本识别应用实践

4.3.5 模型训练

4.3.4 文本识别网络

4.3.3 转录层文本识别

4.3.2 特征序列上下文信息提取

4.3.1 场景文本特征序列的提取

4.3 基于序列的场景文本识别

4.2.5 文本检测应用实践

4.2.4 文本区域的后处理算法

4.2.3 场景文本区域的检测

4.2.2 文本区域掩码标签的生成

4.2.1 特征提取网络

4.2 基于图像分割的场景文本检测

4.1 概述

第4章 自然场景下文本检测与识别

3.5 本章小结

3.4.2 多目标跟踪

3.4.1 单目标跟踪

3.4 基于深度学习的视觉目标跟踪

3.3.2 一阶段算法

3.3.1 两阶段算法

3.3 基于深度学习的视觉目标检测

3.2.5 集成学习理论基础

3.2.4 循环神经网络

3.2.3 模型融合

3.2.2 神经网络的常用函数

3.2.1 神经网络的基本运算

3.2 卷积神经网络及其应用

3.1.2 全连接神经网络的缺点

3.1.1 反向传播原理

3.1 全连接神经网络

第3章 深度学习技术概述

2.4 本章小结

2.3.2 基于多模型融合的应用实践

2.3.1 面向农业机器人的视觉感知概述

2.3 机器人智能视觉感知的典型应用

2.2 机器人智能视觉感知的主要流程

2.1 机器人智能视觉感知系统组成

第2章 机器人智能视觉感知系统概述

1.5 本章小结

1.4.4 基于轻量级Ghost-YOLO模型的喷码识别

1.4.3 喷码识别系统硬件选型

1.4.2 喷码识别系统需求分析

1.4.1 喷码检测方法概述

1.4 喷码识别系统应用实践

1.3 机器人视觉感知研究挑战

1.2 机器人视觉感知发展趋势

1.1 机器人视觉感知系统

第1章 绪论

前言

推荐序 让机器人“感同身受”

作者简介

版权信息

封面

封面

版权信息

作者简介

推荐序 让机器人“感同身受”

前言

第1章 绪论

1.1 机器人视觉感知系统

1.2 机器人视觉感知发展趋势

1.3 机器人视觉感知研究挑战

1.4 喷码识别系统应用实践

1.4.1 喷码检测方法概述

1.4.2 喷码识别系统需求分析

1.4.3 喷码识别系统硬件选型

1.4.4 基于轻量级Ghost-YOLO模型的喷码识别

1.5 本章小结

第2章 机器人智能视觉感知系统概述

2.1 机器人智能视觉感知系统组成

2.2 机器人智能视觉感知的主要流程

2.3 机器人智能视觉感知的典型应用

2.3.1 面向农业机器人的视觉感知概述

2.3.2 基于多模型融合的应用实践

2.4 本章小结

第3章 深度学习技术概述

3.1 全连接神经网络

3.1.1 反向传播原理

3.1.2 全连接神经网络的缺点

3.2 卷积神经网络及其应用

3.2.1 神经网络的基本运算

3.2.2 神经网络的常用函数

3.2.3 模型融合

3.2.4 循环神经网络

3.2.5 集成学习理论基础

3.3 基于深度学习的视觉目标检测

3.3.1 两阶段算法

3.3.2 一阶段算法

3.4 基于深度学习的视觉目标跟踪

3.4.1 单目标跟踪

3.4.2 多目标跟踪

3.5 本章小结

第4章 自然场景下文本检测与识别

4.1 概述

4.2 基于图像分割的场景文本检测

4.2.1 特征提取网络

4.2.2 文本区域掩码标签的生成

4.2.3 场景文本区域的检测

4.2.4 文本区域的后处理算法

4.2.5 文本检测应用实践

4.3 基于序列的场景文本识别

4.3.1 场景文本特征序列的提取

4.3.2 特征序列上下文信息提取

4.3.3 转录层文本识别

4.3.4 文本识别网络

4.3.5 模型训练

4.3.6 文本识别应用实践

4.4 基于轻量级模型的喷码文本识别系统

4.4.1 字符区域提取

4.4.2 字符文本处理

4.4.3 字符文本识别

4.4.4 字符文本识别应用实践

4.4.5 基于嵌入式系统的算法设计与实现

4.4.6 系统运行测试

4.5 本章小结

第5章 视觉目标检测

5.1 目标检测系统概述

5.2 目标检测的相关概念

5.3 目标检测模型分类

5.4 数据获取与处理

5.4.1 数据预处理

5.4.2 数据标注

5.5 基于R-FCN的目标检测

5.5.1 R-FCN基本原理介绍

5.5.2 R-FCN算法的改进

5.5.3 目标检测应用实践

5.6 基于Mask R-CNN的目标检测

5.6.1 Mask R-CNN算法基本原理

5.6.2 改进Mask R-CNN模型

5.6.3 Mask R-CNN应用实践

5.6.4 篮球以及球员检测系统软件设计

5.7 本章小结

第6章 多目标跟踪

6.1 目标跟踪概述

6.1.1 单目标跟踪

6.1.2 多目标跟踪

6.1.3 多相机多目标跟踪

6.2 多目标跟踪系统构成

6.3 基于序列特征的多目标跟踪方法

6.4 基于上下文图模型的单相机多目标跟踪

6.4.1 图卷积神经网络的基础知识

6.4.2 基于上下文图模型的单相机多球员跟踪

6.4.3 多目标跟踪应用实践

6.5 本章小结

第7章 图像语义分割

7.1 图像语义分割概述

7.1.1 图像分割算法的定义

7.1.2 传统的图像分割算法

7.1.3 基于卷积神经网络的图像语义分割算法

7.2 基于自适应特征选择网络的遥感影像语义分割

7.2.1 基于自适应特征选择网络的遥感影像语义分割算法

7.2.2 基于自适应特征选择网络的遥感影像分割应用实践

7.3 基于SU-SWA的区域分割

7.3.1 基于SU-SWA的区域分割任务分析

7.3.2 基于SU-SWA的区域分割方法

7.3.3 基于SU-SWA的区域分割应用实践

7.4 本章小结

参考文献

推荐阅读

内容简介