123,123,123

譯者序

在機器學(xué)習(xí)、計算機視覺和機器人研究中，人們對無監(jiān)督學(xué)習(xí)的興趣逐步提高。傳統(tǒng)的無監(jiān)督學(xué)習(xí)屬于機器學(xué)習(xí)的一種訓(xùn)練方式，常用于數(shù)據(jù)挖掘、圖像識別、視頻分割等任務(wù)，包括聚類、主成分分析、支持向量機等算法。這些算法大部分基于統(tǒng)計學(xué)方法，缺少反饋能力，一旦更換訓(xùn)練數(shù)據(jù)集，學(xué)習(xí)效果就會不盡人意；另外，在真實環(huán)境下無法提供學(xué)習(xí)過程中所需要的訓(xùn)練集和測試集比例結(jié)構(gòu)，導(dǎo)致方法的適應(yīng)性較差。從 1996 年 Bruno 和 David 認為編碼理論可應(yīng)用于視覺皮層感知，形成自動編碼器技術(shù)開始，到目前深度視覺嵌入學(xué)習(xí)的最新進展已經(jīng)開始利用數(shù)據(jù)分離和聚類等簡單而強大的啟發(fā)式方法迭代地提煉特征，從而更好地捕捉微妙的自然圖像統(tǒng)計特征，該領(lǐng)域研究成果在人臉識別、視頻分類與聚類、動作識別和視頻字幕等任務(wù)中得到了廣泛應(yīng)用。本書著重研究基于圖技術(shù)和深度神經(jīng)網(wǎng)絡(luò)的計算機視覺研究領(lǐng)域中的時空視頻數(shù)據(jù)無監(jiān)督學(xué)習(xí)技術(shù)，涵蓋了該領(lǐng)域研究中最先進的理論成果和科學(xué)發(fā)現(xiàn)。本書用足夠清晰和直觀的語言，闡述了無監(jiān)督學(xué)習(xí)需要遵循的十個原則，并將讀者帶入目前視頻圖像處理中備受關(guān)注的幾個任務(wù)（圖 / 超圖匹配、聚類、運動與外觀結(jié)合的特征選擇、視頻對象分割、多代師生網(wǎng)絡(luò)無監(jiān)督訓(xùn)練學(xué)習(xí)等）形成由簡單到復(fù)雜的解決方案構(gòu)建場景。按照邏輯循序結(jié)合理論與實際需求，遞進式地建立各種任務(wù)相應(yīng)的解決方案，形成一系列實用的算法工具，并采用 DAVIS2016、Seg Track v2 以及 YouTube 目標(biāo)三大數(shù)據(jù)庫中的圖像與視頻資料進行算法有效性和收斂特性的驗證，最終綜合全書的研究成果，構(gòu)建了一個通用的視覺故事網(wǎng)絡(luò)系統(tǒng)。本書描述了視頻圖像處理中無監(jiān)督學(xué)習(xí)所涉及的所有元素，引領(lǐng)讀者去探索無監(jiān)督學(xué)習(xí)的原理，系統(tǒng)化地提出了解決無監(jiān)督學(xué)習(xí)這一人工智能領(lǐng)域中的難題的思路和方法。本書深入淺出、圖文并茂、概念清楚、通俗易懂，可以讓計算機視覺和機器學(xué)習(xí)、圖像處理、圖像分割、電子科學(xué)與技術(shù)、信息工程、自動化、生物工程等領(lǐng)域的學(xué)生、科技工作者以及工程技術(shù)人員從學(xué)習(xí)基本原則開始，了解針對不同任務(wù)構(gòu)建的模型和計算方案，最終得到統(tǒng)一的無監(jiān)督學(xué)習(xí)技術(shù)的全貌。本書的出版得到裝備科技譯著出版基金的資助，出版過程中也得到了國防工業(yè)出版社肖姝編輯的大力支持和協(xié)助，深表感謝。另外，西安衛(wèi)星測控中心的郭榮、李衛(wèi)平、許靜文、林海晨、李智對本書的翻譯工作給予了大力支持，在此也對他們的無私幫助表示感謝。由于譯者水平有限，譯文中一定會有許多不足存在，難以保持原作的風(fēng)姿達到化境，只能盡量做到譯文正確、風(fēng)格一致，不妥之處，請批評指正。

譯者2025 年 1 月

你還可能感興趣

我要評論