XiaoMi-AI文件搜索系统
World File Search SystemSzeliski
![参考文献[1] R. Szeliski，计算机视觉](/simg/g:\will\search\icon\source\0\0beaadfd7cf957662561edd5b5bef1aa9c8e8f81.webp)
基础科学和应用科学研究所
Forsyth，D。A.和Ponce，J。（2012）。计算机视觉：一种现代方法。皮尔逊。Szeliski，R。（2010）。计算机视觉：算法和应用程序。Springer科学与商业媒体。Gonzalez，R。C.和Woods，R。E.（2017）。数字图像处理。皮尔逊。Burger，W。，＆Burge，M。J.（2016）。数字图像处理：使用Java的算法简介。Springer。Springer。
人工视力分析元素
本书希望成为理解和使用最先进的人造视觉技术所必需的几何，代数和统计基础的合成介绍。为了不夸大讨论，我尽可能地尝试了输入不同定理的演示，而是为了激发好奇心，他将讨论留给了读者。实际上，本书的最初目标永远不是创造一种严格而详尽的治疗方法，在该疗法中，您经常在计算和示范中迷失方面的风险，冒着疲倦的读者并将注意力转移到某些重要概念上的风险。以相同的方式，我没有一个目标，要谈论与图像和人造视觉阐述有关的任何主题，但我将自己限于与我直接在研究活动中直接有一个实验有关的唯一主题，我更谨慎地谨慎地，我可以更加谨慎地给出最小的贡献。这本书的起草实际上受到我的研究领域的强烈影响，这些领域主要涉及人造愿景对机器人的感知以及自动驾驶汽车的发展和控制。计算机视图是一个极其刺激的科学领域，也是非专业人士的。同样的事实是，在人工视觉的几何形状中，统计数据，优化是如此紧密相关的主题，使其成为该主题外部的完整且充满兴趣的研究范围。但是，主题之间的这种广泛的相关性并没有帮助本书章节中的划分，因此可以广泛使用章节与其他分会之间的参考。文本中插入的引文大大减少了，我仅指我认为基本的文本，并在可能的情况下提到了第一个提出理论背后思想的人：书目中提到的文章的阅读。我在可能的情况下介绍了与意大利语相对应的英语术语，而不是盎格鲁电影，而是建议在Internet上搜索任何关键字，以确定连接到所处理的主题。对于本卷的组织，我从我建议阅读的几本书中汲取了灵感，包括Hartley和Zissetman的“多视图几何” [HZ04]，“图案识别和机器学习” [BIS06]和“计算机视觉中的新兴主题” [MK04] [MK04]由Medes和Kang绘制。对于主题与图像的详细说明更加紧密相关，一本很棒的书，也可以在线获得，可以是Szeliski [Sze10]的“计算机视觉：算法和应用程序”。将使用和极简主义的数学语法：