包邮 计算机视觉十讲

丛书序
“十讲”序
推荐序
前言
第 1 讲 底层视觉
1.1 底层视觉概述 /2
1.1.1 底层视觉定义 /2
1.1.2 传统底层视觉方法 /2
1.2 基于数学模型的底层视觉方法 /4
1.2.1 全变分模型 /4
1.2.2 稀疏和低秩模型 /7
1.2.3 小结 /13
1.3 基于深度学习的底层视觉方法 /13
1.3.1 图像去噪 /14
1.3.2 图像超分辨率 /17
1.3.3 基于 VGG 模型的图像超分辨率方法 /17
1.3.4 图像去模糊 /21
1.4 底层视觉的挑战与展望 /26
参考文献 /26
第 2 讲 图像质量评价
2.1 全参考/部分参考型图像质量评价 /34
2.1.1 全参考型图像质量评价 /34
2.1.2 部分参考型图像质量评价 /37
2.2 无参考型图像质量评价 /38
2.2.1 基于统计学的无参考型图像质量评价 /39
2.2.2 基于深度学习的无参考型图像质量评价 /40
2.3 图像美学质量评价 /45
2.3.1 大众化图像美学评价 /48
2.3.2 个性化图像美学评价 /63
2.4 总结与展望 /70
参考文献 /70
第 3 讲 图像分割
3.1 图像分割概述 /80
3.1.1 早期图像分割 /80
3.1.2 语义分割 /80
3.1.3 实例分割和全景分割 /81
3.1.4 其他分割问题 /81
3.2 图像语义分割 /82
3.2.1 背景与问题 /82
3.2.2 基于传统特征的图像语义分割 /82
3.2.3 基于深度特征的图像语义分割 /82
3.3 图像实例分割 /88
3.3.1 问题定义 /88
3.3.2 两阶段实例分割 /89
3.3.3 一阶段实例分割 /91
3.3.4 基于 Transformer 的实例分割 /93
3.4 图像全景分割 /95
3.4.1 问题定义 /95
3.4.2 子任务分离的全景分割 /96
3.4.3 子任务统一的全景分割 /98
3.5 弱监督图像分割 /99
3.5.1 基于超像素的方法 /100
3.5.2 基于分类网络的方法 /101
3.6 跨域图像分割 /103
3.6.1 基于风格迁移的输入级图像对齐 /103
3.6.2 基于域不变特征发掘的中间级特征对齐 /104
3.6.3 基于标签分布发掘的输出级预测结果对齐 /105
3.7 医疗图像分割 /106
3.7.1 全监督医疗图像分割 /108
3.7.2 弱监督医疗图像分割 /112
参考文献 /114
第 4 讲 目标检测
4.1 目标检测概述 /128
4.1.1 目标检测的概念 /128
4.1.2 目标检测的研究意义 /128
4.1.3 目标检测的发展路线 /130
4.1.4 小结 /134
4.2 非深度学习目标检测方法 /134
4.2.1 图像匹配方法 /134
4.2.2 机器学习方法 /137
4.2.3 小结 /139
4.3 深度学习目标检测方法 /139
4.3.1 深度学习简介 /139
4.3.2 深度学习模型 /140
4.3.3 基于深度学习的方法框架 /143
4.4 评价指标和数据集 /148
4.4.1 数据集 /148
4.4.2 评价指标 /150
4.5 讨论与展望 /151
4.5.1 目标检测面临的挑战 /151
4.5.2 目标检测的发展趋势 /152
参考文献 /154
第 5 讲 目标跟踪
5.1 引言 /162
5.2 目标跟踪概述 /162
5.2.1 目标跟踪的基本概念 /162
5.2.2 目标跟踪的分类方式 /163
5.2.3 目标跟踪的研究意义 /164
5.2.4 小结 /165
5.3 单目标跟踪 /165
5.3.1 传统方法 /165
5.3.2 深度学习方法 /167
5.3.3 数据集与评价指标 /182
5.3.4 小结 /184
5.4 多目标跟踪 /185
5.4.1 多目标关联技术 /186
5.4.2 一体化多目标跟踪技术 /191
5.4.3 数据集与评价指标 /194
5.4.4 小结 /196
5.5 其他跟踪问题 /196
5.5.1 视频目标检测与多目标跟踪 /196
5.5.2 视频实例分割中的跟踪问题 /196
5.5.3 半监督视频物体分割 /198
5.5.4 小结 /199
5.6 应用 /199
5.6.1 目标跟踪与安防监控 /199
5.6.2 目标跟踪与智能机器人 /200
5.6.3 目标跟踪与自动驾驶 /201
5.6.4 无人机精准跟踪 /202
5.6.5 跟踪辅助视频标注 /204
5.7 总结与展望 /204
5.7.1 目标跟踪面临的挑战 /204
5.7.2 目标跟踪的发展趋势 /207
5.7.3 小结 /208
参考文献 /208
第 6 讲 行人重识别
6.1 行人重识别的定义与常用方法 /228
6.1.1 背景与问题 /228
6.1.2 常用方法 /229
6.2 行人重识别中的小样本问题 /232
6.2.1 弱监督建模 /232
6.2.2 无监督建模 /234
6.2.3 迁移学习建模 /240
6.3 行人重识别中的开放性建模问题 /242
6.3.1 遮挡问题 /242
6.3.2 跨模态问题 /250
6.3.3 换装问题 /263
6.3.4 其他问题 /267
参考文献 /270
第 7 讲 视频行为识别
7.1 引言 /284
7.2 视频行为识别数据集 /285
7.2.1 通用行为识别数据集 /286
7.2.2 骨架行为识别数据集 /287
7.2.3 群体行为识别数据集 /288
7.2.4 时域行为定位数据集 /288
7.2.5 时空行为定位数据集 /289
7.2.6 音视频行为定位数据集 /290
7.3 视频行为分类 /291
7.3.1 基于手工特征的视频行为分类方法概述 /291
7.3.2 基于深度学习的视频行为分类方法概述 /295
7.3.3 常用方法 /296
7.4 行为定位 /302
7.4.1 时域行为定位 /302
7.4.2 时空行为定位 /311
7.5 骨架行为识别 /316
7.5.1 早期骨架行为识别方法 /317
7.5.2 基于深度学习的骨架行为识别 /317
7.5.3 总结与展望 /325
7.6 多模态行为识别 /326
7.6.1 基于文本的视频定位 /326
7.6.2 音视频行为识别 /330
7.7 交互及组群行为识别 /337
7.7.1 交互行为识别 /337
7.7.2 组群行为识别 /343
7.7.3 群体行为识别的未来研究趋势 /349
参考文献 /350
第 8 讲 视觉与语言
8.1 视觉与语言的定义 /376
8.1.1 背景与意义 /376
8.1.2 典型任务与方法 /379
8.2 视觉语言的典型框架 /383
8.2.1 传统方法 /383
8.2.2 预训练方法 /385
8.2.3 其他方面 /386
8.3 视觉语言的语义关联与建模 /388
8.3.1 注意力机制建模 /390
8.3.2 图结构建模 /391
8.3.3 生成式建模 /392
8.3.4 其他建模 /393
8.4 视觉语言的预训练技术 /396
8.4.1 单模态主干网络 /397
8.4.2 视觉与语言架构 /399
8.4.3 预训练任务与下游任务 /401
8.4.4 预训练数据集 /405
8.5 视觉语言发展趋势与展望 /407
参考文献 /409
第 9 讲 图像的三维重建
9.1 背景介绍 /426
9.2 传统三维重建方法回顾 /427
9.2.1 经典多视点几何三维重建 /427
9.2.2 经典光度立体三维重建 /428
9.2.3 常见数据采集设备 /429
9.3 深度学习对基于不同形状表达的三维重建 /431
9.3.1 基于体素的显式三维表达 /431
9.3.2 基于多边形网格的显式三维表达 /437
9.3.3 基于隐式辐射场的三维表达 /443
9.4 三维重建与三维生成 /450
9.4.1 基于扩散生成大模型分数蒸馏的三维生成 /451
9.4.2 基于预训练三维重建模型和扩散生成模型的三维生成 /452
参考文献 /454
第 10 讲 SLAM
10.1 基础知识 /464
10.1.1 相机模型 /464
10.1.2 多视图几何原理 /467
10.2 SLAM 的分类 /472
10.2.1 基于滤波的 SLAM /472
10.2.2 基于优化的 SLAM /474
10.2.3 基于深度学习的 SLAM /476
10.3 视觉 SLAM /478
10.3.1 初始化 /479
10.3.2 前台实时跟踪 /480
10.3.3 后端优化 /482
10.3.4 重定位 /483
10.3.5 回路闭合 /485
10.4 视觉惯性 SLAM /486
10.4.1 IMU 模型 /487
10.4.2 前端模块 /489
10.4.3 后端模块 /491
10.5 融合深度信息的 SLAM /492
10.5.1 RGBD SLAM /493
10.5.2 激光视觉惯性 SLAM /502
10.6 SLAM 发展趋势与展望 /508
参考文献 /509