Description du livre
Ce volume unique passe en revue les dernières avancées en matière d'adaptation au domaine dans la formation des algorithmes d'apprentissage machine pour la compréhension visuelle, en offrant de précieuses informations provenant d'une sélection internationale d'experts dans le domaine. Le texte présente une sélection diversifiée de techniques nouvelles, couvrant les applications de la reconnaissance d'objets, de la reconnaissance de visages, et de la reconnaissance d'actions et d'événements.
Sujets et fonctionnalités : passe en revue les algorithmes d'apprentissage automatique basés sur l'adaptation de domaine disponibles pour la compréhension visuelle, et fournit une approche d'apprentissage métrique profond ; présente une nouvelle méthode non supervisée pour la traduction d'image à image, et un modèle de récupération de segment vidéo qui utilise l'apprentissage d'ensemble ; propose une façon unique de déterminer quel ensemble de données est le plus utile dans l'apprentissage de base, afin d'améliorer la transférabilité des réseaux neuronaux profonds ; décrit une méthode quantitative d'estimation de l'écart entre les données sources et cibles pour améliorer la performance de la classification des images ; présente une technique de fusion multimodale qui améliore la reconnaissance des actions faciales, et un cadre pour l'apprentissage intuitif dans l'adaptation des domaines ; examine une approche originale basée sur l'interpolation pour aborder la question du suivi de la dégradation des modèles dans les méthodes basées sur les filtres de corrélation.
Cet ouvrage qui fait autorité servira de référence inestimable aux chercheurs et aux praticiens qui s'intéressent à la reconnaissance et à la compréhension visuelles basées sur l'apprentissage machine.