| 書誌種別 |
図書 |
| タイトル |
コンピュータビジョン |
| サブタイトル |
広がる要素技術と応用 |
| 並列タイトル |
Computer Vision:Extending Fundamental Technique and Applications |
| シリーズ名 |
未来へつなぐデジタルシリーズ |
| シリーズ番号 |
37 |
| タイトルヨミ |
コンピュータ ビジョン |
| サブタイトルヨミ |
ヒロガル ヨウソ ギジュツ ト オウヨウ |
| シリーズ名ヨミ |
ミライ エ ツナグ デジタル シリーズ |
| シリーズ番号ヨミ |
37 |
| 人名 |
米谷 竜／編著
斎藤 英雄／編著
池畑 諭／[ほか]著
|
| 人名ヨミ |
ヨネタニ リョウ サイトウ ヒデオ イケハタ サトシ |
| 出版者・発行者 |
共立出版
|
| 出版者・発行者等ヨミ |
キョウリツ シュッパン |
| 出版地・発行地 |
東京 |
| 出版・発行年月 |
2018.6 |
| ページ数または枚数・巻数 |
9,244p |
| 大きさ |
26cm |
| 価格 |
￥２８００ |
| ISBN |
978-4-320-12357-1 |
| ISBN |
4-320-12357-1 |
| 分類記号 |
007.13
|
| 件名 |
パターン認識
／
画像処理
|
| 内容紹介 |
コンピュータによる視覚(ビジョン)機能を実現する技術「コンピュータビジョン」の分野において重要とされている要素技術とそれらの応用技術を取り上げ、基礎理論や原理、さらに実装方法を解説する。章末に演習問題つき。 |
| 著者紹介 |
東京大学生産技術研究所助教。博士(情報学)。 |
| 言語区分 |
JPN |
| タイトルコード |
1009812227572 |
| 目次 |
第1章 コンピュータビジョンの概要 |
|
第2章 カメラキャリブレーション |
|
2.1 カメラキャリブレーションとは／2.2 実践カメラキャリブレーション／2.3 様々な系におけるカメラキャリブレーション |
|
第3章 多視点画像を用いた3次元復元 |
|
3.1 多視点画像を用いた3次元復元とは／3.2 カメラ幾何の基礎知識／3.3 SfM(Structure from Motion)の概要／3.4 多視点画像を用いた3次元復元の発展的内容／3.5 3次元復元ライブラリの紹介／3.6 今後の展開 |
|
第4章 拡張現実感のためのコンピュータビジョン技術 |
|
4.1 拡張現実感とは／4.2 カメラ幾何／4.3 既知な物体を用いたカメラの位置姿勢算出／4.4 未知な環境下におけるカメラの位置姿勢算出 |
|
第5章 フォトメトリックステレオ |
|
5.1 はじめに／5.2 画像生成モデル／5.3 Woodhamのランバートフォトメトリックステレオ法／5.4 スパース回帰に基づくフォトメトリックステレオ法／5.5 非ランバートフォトメトリックステレオ／5.6 フォトメトリックステレオ法の評価／5.7 むすび |
|
第6章 近似最近傍探索 |
|
6.1 導入／6.2 ハミング距離に基づく手法／6.3 ルックアップに基づく手法／6.4 ハミング距離に基づく手法とルックアップに基づく手法の比較 |
|
第7章 マルコフ確率場の推論と学習 |
|
7.1 まえがき／7.2 マルコフ確率場／7.3 マルコフ確率場のエネルギー最小化／7.4 マルコフ確率場の周辺分布の推定／7.5 条件付き確率場の学習 |
|
第8章 コンピュータビジョンにおける凸最適化 |
|
8.1 序論／8.2 準備／8.3 全変動最小化に基づく画像復元／8.4 ロバスト主成分分析／8.5 むすび |
|
第9章 顔認識 |
|
9.1 導入／9.2 顔認識の過程／9.3 顔認識実践／9.4 本書を理解するための予備知識 |
|
第10章 人物属性認識 |
|
10.1 人物属性認識とは／10.2 画像からの人物属性認識／10.3 様々な人物属性と認識法の既存研究／10.4 データセット |
|
第11章 単視点からの人物行動認識 |
|
11.1 人物行動認識について／11.2 重要技術の詳解／11.3 今後の行動認識 |
|
第12章 重要領域の抽出 |
|
12.1 重要領域の抽出とその手段／12.2 視覚的注意の予測／12.3 顕著領域の抽出／12.4 物体候補の生成 |
|
第13章 RGBD画像と3次元物体認識 |
|
13.1 はじめに／13.2 3次元特徴量／13.3 深層学習による3次元物体認識／13.4 実践-3次元点群処理- |
|
第14章 画像キャプションの自動生成 |
|
14.1 画像キャプション生成とは／14.2 既存キャプションの再利用か,新規キャプションの生成か／14.3 深層学習を利用した画像キャプションの自動生成／14.4 データセットと評価方法／14.5 画像に関する究極の理解へ向けて |
