智能图像分析与理解
一本系统呈现基于学习表征的新型图像分析与理解方法的教材。理解图像,认知世界

作者:钟平、李冬冬、傅瑞罡、宾康成、胡锡坤

丛书名:面向新工科的电工电子信息基础课程系列教材

定价:79元

印次:1-1

ISBN:9787302721772

出版日期:2026.10.01

印刷日期:2026.10.30

图书责编:文怡

图书分类:教材

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

本书系统阐述了智能图像分析与理解的基本概念、经典理论方法、典型应用与研究进展。全书共 8 章,第 1 章概述学科发展历程,界定核心问题与研究范畴。第 2、3 章深入讲解图像表征方法,既包括经典手工特征,也涵盖基于深度学习的表示模型。第 4、5 章集中论述智能图像的复原、增强与生成技术,包括去噪、去模糊、超分辨率及生成对抗等内容。第 6~8 章则专注于图像理解领域的三个关键任务:目标检测、语义分割与序列图像目标跟踪,对各技术的原理与典型实现进行了系统剖析。 本书可作为高等院校人工智能、计算机类、电子信息类等专业的高年级本科生或研究生参考书,也可作为计算机视觉、图像处理、人工智能研究与开发专业技术相关人员的参考资料。

钟平,国防科技大学研究员,博导,主要从事图像分析与理解、遥感图像处理、智能目标识别等方向的研究工作。李冬冬,国防科技大学副研究员,主要从事视频目标跟踪、具身视觉跟踪等方向的研究工作。傅瑞罡,国防科技大学副教授,主要从事遥感对地光电侦察技术等方向的研究工作。宾康成,国防科技大学助理研究员,主要从事无人机载光电图像目标识别技术的基础理论和应用技术研究。胡锡坤,国防科技大学副教授,主要从事智能目标识别、遥感图像智能解译等方向的研究工作。

前言 在人工智能技术迅猛发展的时代背景下,智能图像分析与理解作为人工智能领域的核心研究方向,正深刻推动着科技与产业的变革。为适应这一趋势,并满足高水平人才培养需求,我们编写了本书,旨在系统构建智能图像分析与理解的知识体系,为高年级本科生、研究生和相关领域科研工作者提供兼具理论深度与实践广度的专业参考书。 本书由国防科技大学长期从事相关教学与科研工作的教师团队合作完成。具体撰写分工如下: 傅瑞罡负责第1章“绪论”和第7章“智能图像语义分割”;钟平负责第2章“智能图像表征的基础理论”和第3章“智能图像表征模型”;胡锡坤负责第4章“智能图像复原与增强”和第5章“智能图像生成”;宾康成负责第6章“智能图像目标检测”;李冬冬负责第8章“智能序列图像目标跟踪”。每位作者均在其撰写章节中融入了多年的研究成果和教学心得。 本书在撰写过程中,特别注重学术前沿与经典理论的平衡,不仅系统介绍了卷积神经网络、生成对抗网络、Transformer等主流模型,还及时纳入了扩散模型、Mamba状态空间模型、多模态学习等新兴研究方向。各章均配有模型分析、性能对比和丰富的练习题,帮助读者深化理论理解,提升工程实践与创新能力。通过对方法模型的系统对比分析,读者能够掌握技术发展的内在脉络,提升解决实际问题的能力。 从内容组织来看,本书具有清晰的逻辑主线与层次结构。首先建立智能图像表征的基础理论与技术框架,深入讲解从模型构建、训练、评估到部署的全流程;随后系统介绍各类重要表征模型,包括卷积表征基础模型、深层表征模型、加宽表征模型、密集连接表征模型及上下文表征模型等;进而围绕智能图像复原与增强、智能图像...

目录
荐语
查看详情 查看详情
目录

第1章绪论1

引言2

1.1智能图像分析与理解的内涵2

1.1.1图像分析与图像理解概述2

1.1.2“智能”的内涵3

1.2图像分析与理解技术演进4

1.2.1前深度学习时代4

1.2.2深度学习时代5

1.2.3当下与未来6

1.3智能图像分析与理解技术的任务谱系7

1.4智能图像分析与理解技术的典型应用8

1.4.1文物数字化修复8

1.4.2媒体内容生成与创意设计8

1.4.3遥感成像解译9

1.4.4自动驾驶感知9

1.4.5城市安防10

本章小结11

练习题11

参考文献11

第2章智能图像表征的基础理论12

引言13

2.1图像表征的数学模型13

2.1.1图像表征模型13

2.1.2图像表征学习模型16

2.2智能图像表征总体技术框架17

2.2.1数据准备17

2.2.2模型构建20

2.2.3模型训练22

2.2.4模型评估23

2.2.5模型测试25

2.2.6模型部署28

2.3智能图像表征模型构建29

2.3.1基础结构单元29

2.3.2模型构建方法41

2.4智能图像表征模型训练42

2.4.1模型训练内涵42

2.4.2模型训练目标函数42

2.4.3模型训练方法44

2.4.4模型训练技巧46

本章小结48

练习题49

参考文献49

第3章智能图像表征模型50

引言51

3.1图像卷积表征基础模型51

3.1.1卷积结构与图像表征51

3.1.2经典卷积神经网络52

3.2图像深层表征模型53

3.2.1序贯性图像深层表征模型53... 查看详情

(1) 体现领域发展的系统性和前沿性,注重对学生创新思维的培养,将图像分析与理解新技术研究能力的培养课程化。 (2) 从基础理论、模型构建到应用技术循序推进,通过独特视角分类组织和描述智能图像分析与理解模型,为读者提供新颖的知识体系布局。 (3) 对智能图像分析与理解模型统一采用“模型构建-模型结构-模型分析”的模式进行描述,结构清晰,易于理解。 (4) 系统分析典型智能图像分析与理解模型的优缺点,注重培养学生的批判思维。 (5) 提供系列智能图像表征与应用模型结构图,制作精良,便于读者对理论和技术的理解和实现。 (6) 提供大量典型应用案例,源自作者团队多年智能图像分析与理解的前沿研究和从事智能图像分析课程教学的深厚积累。 (7) 配套77道练习题,类型多样,覆盖面广,查漏补缺,加深知识理解。

查看详情