Visione artificiale: Un'introduzione alla teoria e agli algoritmi

Recensioni dei lettori

Nel complesso, il libro viene apprezzato come un'introduzione chiara e concisa alla computer vision, che lo rende adatto ai corsi universitari. È stato notato per il suo contenuto ben strutturato che copre efficacemente gli argomenti essenziali del campo. Tuttavia, alcuni utenti trovano la versione Kindle difficile da leggere a causa delle dimensioni ridotte dei caratteri delle formule matematiche.

⬤ Probabilmente l'unico libro di testo disponibile per la computer vision a livello introduttivo.
⬤ Copre una gamma equilibrata di argomenti essenziali.
⬤ Spiegazioni chiare e descrizioni dettagliate dei metodi classici e moderni.
⬤ Immagini coinvolgenti e figure ben disegnate migliorano la comprensione dei contenuti.
⬤ Adatto ai corsi di laurea e all'uso in classe.
⬤ Copre algoritmi all'avanguardia mantenendo la chiarezza.

⬤ L'edizione Kindle presenta problemi di leggibilità con formule matematiche che appaiono troppo piccole.
⬤ Alcuni utenti hanno precedentemente trovato altri libri di testo inadeguati, evidenziando le limitate opzioni presenti sul mercato.

(basato su 7 recensioni dei lettori)

Titolo originale:

Concise Computer Vision: An Introduction Into Theory and Algorithms

Contenuto del libro:

Molti libri di testo sulla computer vision possono risultare ingombranti e intimidatori nella trattazione di questa vasta disciplina. Questo testo risponde all'esigenza di avere una panoramica concisa dei fondamenti di questo campo.

Concise Computer Vision fornisce un'introduzione generale e accessibile agli argomenti essenziali della computer vision, evidenziando il ruolo di importanti algoritmi e concetti matematici. Alla fine di ogni capitolo vengono forniti esercizi di programmazione testati in classe e domande di ripasso.

Argomenti e caratteristiche: fornisce un'introduzione alla notazione di base e ai concetti matematici per la descrizione di un'immagine e ai concetti chiave per la mappatura di un'immagine in un'immagine; spiega le basi topologiche e geometriche per l'analisi delle regioni dell'immagine e delle distribuzioni dei valori dell'immagine e discute l'identificazione di modelli in un'immagine; introduce il flusso ottico per la rappresentazione del movimento denso e argomenti di analisi del movimento rado come il rilevamento dei punti chiave e la definizione dei descrittori e l'inseguimento delle caratteristiche utilizzando il filtro di Kalman; descrive approcci speciali per la binarizzazione delle immagini e la segmentazione di immagini fisse o fotogrammi video; esamina i tre componenti fondamentali di un sistema di visione computerizzata, ossia la geometria e la fotometria della telecamera, i sistemi di coordinate e la calibrazione della telecamera; passa in rassegna diverse tecniche per la ricostruzione di forme 3D basate sulla visione, tra cui l'uso dell'illuminazione strutturata, la visione stereoscopica e la comprensione delle forme basata sull'ombreggiatura; include una discussione sui matcher stereoscopici e sul modello di congruenza di fase per le caratteristiche dell'immagine; presenta un'introduzione alla classificazione e all'apprendimento, con una descrizione dettagliata di AdaBoost di base e dell'uso delle foreste casuali.

Questo testo/riferimento, conciso e di facile lettura, è ideale per un corso introduttivo al terzo o quarto anno di un corso di laurea in informatica o ingegneria.