Super cena

Widzenie komputerowe oparte na technologii uczenia maszynowego - Victoria Vysotska

+ Dodaj do porównania Dodaj do listy zakupowej

monografia

Rozmiar

593,96 zł

/ szt.

Najniższa cena z 30 dni przed obniżką: ~~625,61 zł~~ / szt.-5%

Cena regularna: ~~599,09 zł~~ / szt.-1%

Możesz kupić także poprzez:

Produkt dostępny

14 dni na łatwy zwrot

Bezpieczne zakupy

Odroczone płatności. Kup teraz, zapłać za 30 dni, jeżeli nie zwrócisz

Kup teraz, zapłać później - 4 kroki

Przy wyborze formy płatności, wybierz PayPo. PayPo - kup teraz, zapłać za 30 dni

PayPo opłaci twój rachunek w sklepie.
Na stronie PayPo sprawdź swoje dane i podaj pesel.

Po otrzymaniu zakupów decydujesz co ci pasuje, a co nie. Możesz zwrócić część albo całość zamówienia - wtedy zmniejszy się też kwota do zapłaty PayPo.

W ciągu 30 dni od zakupu płacisz PayPo za swoje zakupy bez żadnych dodatkowych kosztów. Jeśli chcesz, rozkładasz swoją płatność na raty.

Monografia poświęcona jest rozwojowi metod i narzędzi wizji komputerowej wykorzystujących sztuczną inteligencję do szybkiej identyfikacji poruszających się obiektów w strumieniu danych wideo w oparciu o technologie głębokiego uczenia. Rozważane są klasyczne i nieklasyczne metody sztucznej inteligencji, konwolucyjne sieci neuronowe, wizja komputerowa i rozpoznawanie obrazów oraz teorie systemów sterowania oparte na szacunkach i kryteriach statystyki matematycznej. W wyniku rozpoznawania określany jest typ rozpoznawanego obiektu i obliczane są ilościowe szacunki dokładności. Zaimplementowano metodę stosowania szablonów. Algorytm posiada informacje o tym, jak wygląda poszukiwany obiekt, jakie może mieć tło, jak wyglądają określone kontury obiektu i w jakiej są pozycji. Natychmiast brana jest pod uwagę możliwa lokalizacja detekcji obiektu. Pozwala to na osiągnięcie wysokiej jakości rozpoznawania i dobrej wydajności. Gdy kamera wideo rejestruje kilka podobnych obiektów, zaspokajane są różne szablony, a rozpoznawalność spada. Modele sztucznych sieci neuronowych są używane do szacowania lub przybliżania funkcji, które mogą zależeć od wielu danych wejściowych i zazwyczaj są nieznane.

EAN: 9786208631420

Producent

KS OmniScriptum Publishing

Kod produktu

218HDF03527KS

Rok wydania

2025

Strony

516

Oprawa

Miekka

Format

15.2x22.9cm