|
| 第1章 绪论 第2章 人类视觉感知系统 2.1 人类视觉感知系统概述 2.2 人类视觉感知系统的基本概念 2.3 小结 第3章 模拟人类视觉感知机制模型的理论基础 3.1 有效编码假说 3.2 贝叶斯学习理论 3.3 人类视觉系统感知的外界环境及其统计特性 3.4 线性转换工具 3.5 非线性转换工具 3.6 小结 第4章 基于视觉通路的模型结构 4.1 “感知”和“行为”的分离 4.2 两条视觉通路 4.3 what和where通路划分的生物学基础 4.4 Rybak模型 4.5 小结 第5章 特征提取和特征选择 5.1 Marr的特征分析理论 5.2 拓扑知觉理论 5.3 小结 第6章 注意机制 6.1 数据驱动的注意模型 6.2 任务驱动的注意模型 6.3 注意模型应用举例 6.4 小结 第7章 模拟人类感知系统模型 7.1 模型概述 7.2 DLM人脸识别系统详细介绍 7.3 实验 7.4 小结 第8章 自然图像的二阶统计特性 8.1 空间相关性与能量谱 8.2 时间相关性与能量谱 8.3 时空相关性的去除 8.4 小结 第9章 自然图像的高阶统计特性 9.1 非高斯性 9.2 稀疏性 9.3 稀疏编码 9.4 自然图像序列的稀疏编码方法 9.5 小结 |
内容加载中，请稍后...
商品评论（0条）