Articles liés à Large Scale Support Vector Machines Algorithms for...

Large Scale Support Vector Machines Algorithms for Visual Recognition - Couverture souple

 
9783639715750: Large Scale Support Vector Machines Algorithms for Visual Recognition

Synopsis

La reconnaissance visuelle reste un problème extrêmement difficile en vision par ordinateur. La plupart des approches précédentes ont été évaluées sur de petits ensembles de données. Cependant, l'ensemble de données ImageNet avec des millions d'images pour des milliers de classes pose plus de défis pour la prochaine génération de mécanismes de vision. Apprendre un classificateur visuel efficace et construire une représentation visuelle robuste dans un scénario à grande échelle sont deux principaux problèmes de recherche. Dans ce livre, nous présentons comment aborder ces problèmes. Tout d'abord, une nouvelle approche est présentée en utilisant plusieurs descripteurs locaux pour améliorer le pouvoir discriminatif de la représentation de l'image. Deuxièmement, les SVM de pointe sont étendues en construisant des classificateurs d'ensachage équilibrés avec une stratégie d'échantillonnage et en parallélisant le processus de formation avec plusieurs ordinateurs multicœurs. Troisièmement, la SVM de descente de gradient stochastique binaire est développée pour la nouvelle SVM multiclass pour classer efficacement les grands ensembles de données d'image dans de nombreuses classes. Enfin, lorsque les données d'entraînement ne peuvent pas rentrer dans la mémoire de l'ordinateur, la tâche de formation de SVM devient plus compliquée à gérer. Ce défi est résolu par une méthode d'apprentissage incrémental pour les SVM linéaires et non linéaires à grande échelle

Les informations fournies dans la section « Synopsis » peuvent faire référence à une autre édition de ce titre.

Acheter neuf

Afficher cet article
EUR 64,09

Autre devise

EUR 9,70 expédition depuis Allemagne vers France

Destinations, frais et délais

Résultats de recherche pour Large Scale Support Vector Machines Algorithms for...

Image fournie par le vendeur

Thanh-Nghi Doan|Francois Poulet
Edité par Scholars\' Press, 2014
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Couverture souple
impression à la demande

Vendeur : moluna, Greven, Allemagne

Évaluation du vendeur 5 sur 5 étoiles Evaluation 5 étoiles, En savoir plus sur les évaluations des vendeurs

Etat : New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Doan Thanh-NghiThanh-Nghi Doan received his Doctorate degree in computer science from University of Rennes 1, France, 2013. He was working as a Ph.D. candidate in TEXMEX Research Team, IRISA, France. Currently, he is working at An Gi. N° de réf. du vendeur 151398522

Contacter le vendeur

Acheter neuf

EUR 64,09
Autre devise
Frais de port : EUR 9,70
De Allemagne vers France
Destinations, frais et délais

Quantité disponible : Plus de 20 disponibles

Ajouter au panier

Image fournie par le vendeur

Thanh-Nghi Doan
Edité par Scholars' Press, 2014
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Taschenbuch
impression à la demande

Vendeur : AHA-BUCH GmbH, Einbeck, Allemagne

Évaluation du vendeur 5 sur 5 étoiles Evaluation 5 étoiles, En savoir plus sur les évaluations des vendeurs

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Visual recognition remains an extremely challenging problem in computer vision. Most previous approaches have been evaluated on small datasets. However, ImageNet dataset with millions images for thousands classes poses more challenges for the next generation of vision mechanisms. Learning an efficient visual classifier and constructing a robust visual representation in a large scale scenario are two main research issues. In this book, we present how to tackle these issues. Firstly, a novel approach is presented by using several local descriptors to improve the discriminative power of image representation. Secondly, the state-of-the-art SVMs are extended by building the balanced bagging classifiers with sampling strategy and parallelizing the training process with several multi-core computers. Thirdly, the binary stochastic gradient descent SVM is developed to the new multiclass SVM for efficiently classifying large image datasets into many classes. Finally, when the training data cannot fit into computer memory, the training task of SVM becomes more complicated to deal with. This challenge is addressed by an incremental learning method for both large scale linear and nonlinear SVMs. N° de réf. du vendeur 9783639715750

Contacter le vendeur

Acheter neuf

EUR 79,90
Autre devise
Frais de port : EUR 10,99
De Allemagne vers France
Destinations, frais et délais

Quantité disponible : 1 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Thanh-Nghi Doan
Edité par Scholars' Press Mai 2014, 2014
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Taschenbuch
impression à la demande

Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne

Évaluation du vendeur 5 sur 5 étoiles Evaluation 5 étoiles, En savoir plus sur les évaluations des vendeurs

Taschenbuch. Etat : Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Visual recognition remains an extremely challenging problem in computer vision. Most previous approaches have been evaluated on small datasets. However, ImageNet dataset with millions images for thousands classes poses more challenges for the next generation of vision mechanisms. Learning an efficient visual classifier and constructing a robust visual representation in a large scale scenario are two main research issues. In this book, we present how to tackle these issues. Firstly, a novel approach is presented by using several local descriptors to improve the discriminative power of image representation. Secondly, the state-of-the-art SVMs are extended by building the balanced bagging classifiers with sampling strategy and parallelizing the training process with several multi-core computers. Thirdly, the binary stochastic gradient descent SVM is developed to the new multiclass SVM for efficiently classifying large image datasets into many classes. Finally, when the training data cannot fit into computer memory, the training task of SVM becomes more complicated to deal with. This challenge is addressed by an incremental learning method for both large scale linear and nonlinear SVMs 164 pp. Englisch. N° de réf. du vendeur 9783639715750

Contacter le vendeur

Acheter neuf

EUR 79,90
Autre devise
Frais de port : EUR 11
De Allemagne vers France
Destinations, frais et délais

Quantité disponible : 2 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Thanh-Nghi Doan
Edité par Scholars' Press Mai 2014, 2014
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Taschenbuch

Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagne

Évaluation du vendeur 5 sur 5 étoiles Evaluation 5 étoiles, En savoir plus sur les évaluations des vendeurs

Taschenbuch. Etat : Neu. Neuware -Visual recognition remains an extremely challenging problem in computer vision. Most previous approaches have been evaluated on small datasets. However, ImageNet dataset with millions images for thousands classes poses more challenges for the next generation of vision mechanisms. Learning an efficient visual classifier and constructing a robust visual representation in a large scale scenario are two main research issues. In this book, we present how to tackle these issues. Firstly, a novel approach is presented by using several local descriptors to improve the discriminative power of image representation. Secondly, the state-of-the-art SVMs are extended by building the balanced bagging classifiers with sampling strategy and parallelizing the training process with several multi-core computers. Thirdly, the binary stochastic gradient descent SVM is developed to the new multiclass SVM for efficiently classifying large image datasets into many classes. Finally, when the training data cannot fit into computer memory, the training task of SVM becomes more complicated to deal with. This challenge is addressed by an incremental learning method for both large scale linear and nonlinear SVMsVDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 164 pp. Englisch. N° de réf. du vendeur 9783639715750

Contacter le vendeur

Acheter neuf

EUR 79,90
Autre devise
Frais de port : EUR 15
De Allemagne vers France
Destinations, frais et délais

Quantité disponible : 2 disponible(s)

Ajouter au panier

Image d'archives

Doan, Thanh-Nghi; Poulet, Francois
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Couverture souple

Vendeur : Books Puddle, New York, NY, Etats-Unis

Évaluation du vendeur 4 sur 5 étoiles Evaluation 4 étoiles, En savoir plus sur les évaluations des vendeurs

Etat : New. pp. 164. N° de réf. du vendeur 26128106464

Contacter le vendeur

Acheter neuf

EUR 107,59
Autre devise
Frais de port : EUR 7,67
De Etats-Unis vers France
Destinations, frais et délais

Quantité disponible : 4 disponible(s)

Ajouter au panier

Image d'archives

Doan, Thanh-Nghi; Poulet, Francois
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Couverture souple
impression à la demande

Vendeur : Majestic Books, Hounslow, Royaume-Uni

Évaluation du vendeur 5 sur 5 étoiles Evaluation 5 étoiles, En savoir plus sur les évaluations des vendeurs

Etat : New. Print on Demand pp. 164 2:B&W 6 x 9 in or 229 x 152 mm Perfect Bound on Creme w/Gloss Lam. N° de réf. du vendeur 131399743

Contacter le vendeur

Acheter neuf

EUR 112,71
Autre devise
Frais de port : EUR 10,19
De Royaume-Uni vers France
Destinations, frais et délais

Quantité disponible : 4 disponible(s)

Ajouter au panier

Image d'archives

Doan, Thanh-Nghi; Poulet, Francois
ISBN 10 : 3639715756 ISBN 13 : 9783639715750
Neuf Couverture souple
impression à la demande

Vendeur : Biblios, Frankfurt am main, HESSE, Allemagne

Évaluation du vendeur 5 sur 5 étoiles Evaluation 5 étoiles, En savoir plus sur les évaluations des vendeurs

Etat : New. PRINT ON DEMAND pp. 164. N° de réf. du vendeur 18128106474

Contacter le vendeur

Acheter neuf

EUR 116,63
Autre devise
Frais de port : EUR 7,95
De Allemagne vers France
Destinations, frais et délais

Quantité disponible : 4 disponible(s)

Ajouter au panier