دانلود کتاب Machine Learning in Computer Vision

ترجمه فارسی توضیحات (ترجمه ماشینی)

یادگیری ماشین در بینایی کامپیوتر

هدف این کتاب پرداختن به استفاده از چندین تکنیک مهم یادگیری ماشین در کاربردهای بینایی کامپیوتر است. ترکیبی نوآورانه از تکنیک‌های بینایی رایانه و یادگیری ماشین، نوید پیشرفت حوزه بینایی رایانه را می‌دهد که به درک بهتر برنامه‌های پیچیده دنیای واقعی کمک می‌کند. استفاده مؤثر از فناوری یادگیری ماشین در مسائل بینایی رایانه در دنیای واقعی مستلزم درک دامنه کاربرد، انتزاع یک مسئله یادگیری از یک کار بینایی رایانه ای معین، و انتخاب نمایش های مناسب برای یادگیری (ورودی) و آموخته شده (داخلی) است. در این کتاب، ما به همه این جنبه های مهم از منظری جدید می پردازیم: اینکه عنصر کلیدی در انقلاب رایانه ای کنونی، استفاده از یادگیری ماشینی برای ثبت تغییرات در ظاهر بصری است، به جای داشتن طراح مدل انجام این کار به عنوان یک امتیاز، مدل‌هایی که از مجموعه داده‌های بزرگ به دست می‌آیند احتمالاً قوی‌تر و واقعی‌تر از مدل‌های تمام طراحی شکننده‌تر هستند. این کتاب برای محققان بینایی کامپیوتر، یادگیری ماشین و تشخیص الگو و همچنین برای دانشجویان کارشناسی ارشد علوم کامپیوتر و مهندسی برق در نظر گرفته شده است.

Machine Learning in Computer Vision

The goal of this book is to address the use of several important machine learning techniques into computer vision applications. An innovative combination of computer vision and machine learning techniques has the promise of advancing the field of computer vision, which contributes to better understanding of complex real-world applications. The effective usage of machine learning technology in real-world computer vision problems requires understanding the domain of application, abstraction of a learning problem from a given computer vision task, and the selection of appropriate representations for the learnable (input) and learned (internal) entities of the system.In this book, we address all these important aspects from a new perspective: that the key element in the current computer revolution is the use of machine learning to capture the variations in visual appearance, rather than having the designer of the model accomplish this. As a bonus, models learned from large datasets are likely to be more robust and more realistic than the brittle all-design models. This book is intended for computer vision, machine learning, and pattern recognition researchers as well as for graduate students in computer science and electrical engineering.