万本电子书0元读

万本电子书0元读

顶部广告

深度学习视频理解电子书

暂无

售       价:¥

纸质售价:¥122.60购买纸书

75人正在读 | 0人评论 7.1

作       者:张皓

出  版  社:电子工业出版社

出版时间:2021-09-01

字       数:18.7万

所属分类: 科技 > 计算机/网络 > 多媒体/数据通信

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
视频理解是计算机视觉和深度学习的一个重要分支。本书对视频理解的3个重要领域行介绍,对于每个领域,本书不仅解释了相关算法的原理,还梳理了算法演的脉络。全书共分6章,第1章简要介绍视频行业的发展历程;第2章回顾经典图像分类模型和RNN;第3章和第4章介绍动作识别的重要算法;第5章介绍时序动作定位的重要算法;第6章介绍视频Embedding的重要算法。后总结了常用的一些视频处理工具。<br/>【作者】<br/>张皓,毕业于南京大学计算机系周志华教授领导的机器学习与数据挖掘研究所(LAMDA),导师为吴建鑫教授,研究方向为深度学习和计算机视觉,曾获国家奖学金、江苏省三好学生等荣誉。发表论文累计被引超过 190 次,合译《模式识别》一书,曾获 2016 年 CVPR 视频表象性格分析竞赛世界冠军。现任腾讯在线视频研究员,专注于腾讯视频等场景下的相关视频理解任务。曾任腾讯优图实验室研究员,为“微信看一看”等场景提供相关视频理解能力。知乎"张皓”关注深度学习和计算机视觉,担任多个自媒体作者或专栏作者。<br/>
目录展开

内容简介

前言

第1章 绪论

1.1 引言

1.2 本书内容

1.2.1 图像分类

1.2.2 动作识别

1.2.3 时序动作定位

1.2.4 视频Embedding

1.3 本章小结

第2章 经典网络结构回顾

2.1 经典图像分类网络

2.1.1 LetNet-5

2.1.2 AlexNet

2.1.3 VGGNet

2.1.4 GoogLeNet

2.1.5 Inception V2/V3

2.1.6 ResNet

2.1.7 preResNet

2.1.8 WRN

2.1.9 随机深度网络

2.1.10 DenseNet

2.1.11 ResNeXt

2.1.12 SENet

2.1.13 MobileNet

2.1.14 MobileNet V2/V3

2.1.15 ShuffleNet

2.1.16 ShuffleNet V2

2.2 RNN、LSTM和GRU

2.2.1 RNN

2.2.2 梯度爆炸与梯度消失

2.2.3 LSTM

2.2.4 GRU

2.3 本章小结

第3章 基于2D卷积的动作识别

3.1 平均汇合

3.2 NetVLAD和NeXtVLAD

3.2.1 VLAD

3.2.2 NetVLAD

3.2.3 NeXtVLAD

3.2.4 NetFV和其他策略

3.3 利用RNN融合各帧特征

3.3.1 2D卷积+RNN的基本结构

3.3.2 对RNN结构进行改造

3.4 利用3D卷积融合各帧特征

3.4.1 什么是3D卷积

3.4.2 ECO

3.5 双流法

3.5.1 什么是光流

3.5.2 双流法的基本网络结构

3.5.3 双流法的网络结构优化

3.6 时序稀疏采样

3.6.1 TSN

3.6.2 TSN的实现

3.6.3 ActionVLAD

3.6.4 StNet

3.6.5 TRN

3.7 利用iDT轨迹

3.7.1 DT和iDT

3.7.2 TDD

3.8 本章小结

第4章 基于3D卷积的动作识别

4.1 3D卷积基础网络结构

4.1.1 C3D

4.1.2 Res3D/3D ResNet

4.1.3 LTC

4.2 I3D

4.2.1 5类动作识别网络

4.2.2 2D卷积扩展为3D卷积

4.2.3 5类网络对比

4.3 3D卷积的低秩近似

4.3.1 低秩近似的基本原理

4.3.2 FSTCN

4.3.3 P3D

4.3.4 R(2+1)D

4.3.5 S3D

4.4 TSM

4.5 3D卷积+RNN

4.6 ARTNet

4.7 Non-Local

4.7.1 Non-Local 操作

4.7.2 Non-Local 动作识别网络

4.8 SlowFast

4.8.1 Slow分支和Fast分支

4.8.2 网络结构设计

4.9 3D卷积神经网络超参数设计

4.9.1 多网格训练

4.9.2 X3D

4.10 本章小结

第5章 时序动作定位

5.1 基于滑动窗的算法

5.1.1 S-CNN

5.1.2 TURN

5.1.3 CBR

5.2 基于候选时序区间的算法

5.2.1 Faster R-CNN 回顾

5.2.2 R-C3D

5.2.3 TAL-Net

5.3 自底向上的时序动作定位算法

5.3.1 BSN

5.3.2 TSA-Net

5.3.3 BMN

5.4 对时序结构信息建模的算法

5.4.1 TAG 候选时序区间生成算法

5.4.2 SSN 网络结构

5.5 逐帧预测的算法

5.5.1 CDC层

5.5.2 CDC网络结构

5.6 单阶段算法

5.6.1 SSAD

5.6.2 SS-TAD

5.6.3 GTAN

5.7 本章小结

第6章 视频Embedding

6.1 基于视频内容的无监督 Embedding

6.1.1 编码-解码网络

6.1.2 视频序列验证

6.1.3 视频和音频信息

6.1.4 视频和文本信息

6.2 Word2Vec

6.2.1 CBOW和Skip-Gram

6.2.2 分层Softmax

6.2.3 负采样

6.3 Item2Vec

6.3.1 Item2Vec 基本形式

6.3.2 Item2Vec的改进

6.4 基于图的随机游走

6.4.1 DeepWalk

6.4.2 Node2Vec

6.5 结合一二阶相似度

6.5.1 LINE

6.5.2 SDNE

6.6 基于图的邻居结点

6.6.1 GCN

6.6.2 GraphSAGE

6.6.3 GAT

6.7 基于多种信息学习视频Embedding

6.7.1 召回模型

6.7.2 训练

6.8 本章小结

附录A 视频处理常用工具

A.1 FFmpeg

A.2 OpenCV

A.3 Decord

A.4 Lintel

参考文献

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部