Apprendimento profondo nel riconoscimento, nell'individuazione e nella segmentazione degli oggetti

Titolo originale:

Deep Learning in Object Recognition, Detection, and Segmentation

Contenuto del libro:

L'apprendimento profondo, che rappresenta un importante passo avanti nel campo dell'intelligenza artificiale, ha ottenuto un successo impressionante nella risoluzione di grandi sfide in molti campi, tra cui il riconoscimento vocale, l'elaborazione del linguaggio naturale, la computer vision, l'elaborazione di immagini e video e la multimedialità.

Questa monografia fornisce una panoramica storica del deep learning e si concentra sulle sue applicazioni nel riconoscimento, nell'individuazione e nella segmentazione degli oggetti, che sono sfide fondamentali della computer vision e hanno numerose applicazioni alle immagini e ai video. In particolare, gli argomenti trattati nell'ambito del riconoscimento degli oggetti includono la classificazione delle immagini su ImageNet, il riconoscimento dei volti e la classificazione dei video.

Nell'ambito del rilevamento, la monografia tratta il rilevamento generale di oggetti su ImageNet, il rilevamento di pedoni, il rilevamento di punti di riferimento per i volti (allineamento dei volti) e il rilevamento di punti di riferimento umani (stima della posa). Infine, nell'ambito della segmentazione, vengono trattati i progressi più recenti in materia di etichettatura della scena, segmentazione semantica, parsing dei volti, parsing umano e rilevamento della salienza. Esempi concreti di queste applicazioni spiegano i punti chiave che rendono il deep learning superiore ai sistemi di computer vision convenzionali.

Deep Learning in Object Recognition, Detection, and Segmentation offre una panoramica introduttiva completa di un argomento che sta avendo un grande impatto su molte aree di ricerca nell'elaborazione dei segnali, nella visione artificiale e nell'apprendimento automatico. Si tratta di una lettura indispensabile per gli studenti e i ricercatori che si avvicinano a questi campi.