关键词： 计算机视觉  

ISBN: (纸本)9787121475313

摘要： 视觉问答任务要求机器根据指定的视觉图像内容，对单轮或多轮的自然语言问题进行作答。其本质上是一个多学科的研究问题，涉及计算机视觉、自然语言处理、知识表示与推理等。本书共5部分，第1部分介绍在计算机视觉和自然语言处理领域广泛使用的基本方法和技术，包括卷积神经网络、序列建模和注意力机制等。本书将视觉问答分为图像和视频方法。第2部分将图像视觉问答进一步分为五类，即联合嵌入、注意力机制、记忆网络、组合推理和图神经网络。此外，概述基于图像的其他视觉问答任务，例如基于知识的视觉问答、视觉问答的视觉和语言预训练。第3部分讨论基于视频的视觉问答及其相关模型。第4部分讨论与视觉问答相关的高级任务，包括具身视觉问答、医学视觉问答、基于文本的视觉问答、视觉问题生成、视觉对话和指代表达理解，它们是视觉问答任务的扩展。第5部分对该领域进行总结和展望，讨论视觉问答领域的未来研究方向。

关键词： 人工智能  

ISBN: (纸本)9787574401693

摘要： 本书讲述人工智能中的图像处理技术在人们的生活中的广泛应用, 图像处理技术在信息发展中占据了重要的地位。书中介绍人工智能与图像处理技术的基础技术, 研究计算机图形生成与变换技术, 探讨图像增强与分割技术应用, 介绍图像特征提取、压缩与复原技术及其应用, 图像跟踪与融合技术应用, 最后探讨人工智能在图像处理技术方面的应用。

关键词： 计算机视觉  

ISBN: (纸本)9787111756491

摘要： 本书围绕人工智能技术中的机器视觉技术, 重点讲解了应用百度飞桨开源框架 (Paddle) 实现机器视觉项目开发的完整流程。第1章对人工智能技术的发展阶段和基本概念进行了介绍, 重点介绍了人工智能技术的核心内容—机器视觉技术。第2章对人工智能技术中涉及的数学基础理论进行了讲解, 帮助读者掌握基本的数学方法。第3章通过案例, 对Paddle的功能特点和使用方法进行了详细讲解, 帮助读者快速掌握开发机器视觉项目的工具。作为本书的重点, 第4-6章通过项目案例, 详细讲解了光学字符识别 (OCR)、目标检测、语义分割项目的实现过程, 帮助读者掌握机器视觉项目开发的基本技能。第7章对人工智能技术新发展进行了展望。

关键词： 图象处理软件  

ISBN: (纸本)9787121483806

摘要： 本书从多层次、多角度介绍使用Photoshop进行图像处理与设计的完整流程，不仅可以帮助学生解决未来生活、工作中的相关问题，还可以培养学生的职业思维、岗位技能和价值创造能力。

关键词： 图象处理软件  

ISBN: (纸本)9787121484186

摘要： 本书分为三个单元：第一单元为项目1至项目4，主要介绍Photoshop的基本概念及几大主要功能；第二单元为项目5，着重介绍了平面构成、美学艺术等平面设计基础知识；第三单元为项目6至项目8，以经典、富有时代性及针对性的案例讲解了数码图像的处理、商业广告的设计以及Photoshop运用中的高级技巧。

关键词： Matlab软件  

ISBN: (纸本)9787121484988

摘要： 本书分为三个部分，共12章。第一部分(第1-4章)介绍数字图像处理的基础知识；第二部分(第5-8章)介绍数字图像处理的各种技术；第三部分(第9-12章)介绍数字图像处理的扩展内容，包括基于深度学习的图像处理技术和工程应用案例等。

关键词： 智能化趋势   图像处理与机器视觉课程   教学实践  

摘要： 随着科技发展的推动,智能化已经成为当今社会的发展趋势,人们对人工智能的认知水平越发提升,各行各业开始朝着多元化的方向发展.智能产业升级必然带动专业人才需求,图像处理与机器视觉课程开始成为富有智能特色的专业课程.基于此,文章综合图像处理与机器视觉课程目标与要求,分析了课程教学现状与存在的问题,探讨了社会智能化趋势下图像处理与机器视觉课程教学新实践,旨在提升教学效果与学习水平.

关键词： 深度学习   通信工程   图像处理   算法优化  

摘要： 本文旨在设计和分析基于深度学习的通信工程图像处理算法.首先,介绍了深度学习在通信工程中的应用背景及其优势.然后,综述了相关的研究工作,比较了传统图像处理算法与深度学习方法的优劣.接着,详细描述了基于深度学习的图像处理算法的设计过程,包括数据预处理、模型选择、算法实现以及训练与调试.通过实验验证了所提算法的有效性,并对实验结果进行了深入分析,展示了该算法在信号检测与解码、无线传输图像处理以及图像增强与压缩等应用场景中的优越性能.最后,讨论了算法在实际应用中的挑战与未来研究方向.研究表明,基于深度学习的图像处理算法在通信工程中具有广阔的应用前景和发展潜力.

关键词： 遥感目标检测   可见光和红外图像   轻量级上采样算子   注意力机制   特征融合  

摘要： 针对现有的目标检测方法在处理背景复杂、有效信息量少的遥感图像时存在的误检、漏检等问题，提出了一种多模态遥感小目标检测方法BFMYOLO。设计了像素级的RGB和红外（IR）图像融合模块BFM，充分利用不同模态的互补性，实现两种模态信息的有效融合；设计了全尺度自适应更新模块AA，解决特征融合过程中的多目标信息冲突问题，结合CARAFE上采样算子并进一步融入浅层特征，加强非相邻层间融合效果的同时增强小目标的空间信息；设计了改进的任务解耦检测头IDHead，将分类和回归任务分开处理，降低不同任务的相互干扰，融合学习深层语义特征，进一步提升模型的检测性能。采用NWD损失函数作为定位回归损失函数，降低位置偏差的敏感性。实验结果表明，该方法在VEDAI、NWPU VHR-10和DIOR数据集上的mAP50分别达到78.6%、95.5%和73.3%，优于其他先进模型。在遥感小目标检测中表现出良好的性能，验证了其有效性。

关键词： YOLOv8s   ODE   BiEO-Neck   小目标检测头   WIoU  

摘要： 针对无人机航拍图像中存在因背景复杂、尺度变化大、目标密集而导致的小目标检测率较低问题，提出一种新型双向加权多尺度动态无人机视角下小目标检测算法BiEO-YOLOv8s。首先，设计全新ODE模块来替代部分C2f模块，使其能更准确、更快速、多角度地定位目标特征。其次，设计双向加权多尺度动态颈部网络结构BiEO-Neck，实现浅层特征与深层特征的深度融合。第三，添加小目标检测头,进一步提升特征提取能力。最后，采用广义交并比边界损失函数WIoU来替代原有边界损失函数CIoU，以增强边界框的回归性能。在VisDrone数据集上进行实验，与基础模型YOLOv8s相比，mAP提升了6.1%，检测速度仅为4.9ms，整体性能优于其他主流模型。通过在IRTarget数据集上的通用性测试，进一步验证了该算法在不同数据集上的有效性和适应性，证明能够高效地完成无人机航拍图像的目标检测任务。