Graph Neural Network Methods and Applications in Scene Understanding (eBook)
XIV, 219 Seiten
Springer-Verlag
978-981-97-9933-6 (ISBN)
The book focuses on graph neural network methods and applications for scene understanding. Graph Neural Network is an important method for graph-structured data processing, which has strong capability of graph data learning and structural feature extraction. Scene understanding is one of the research focuses in computer vision and image processing, which realizes semantic segmentation and object recognition of image or video. In this book, the algorithm, system design and performance evaluation of scene understanding based on graph neural networks have been studied. First, the book elaborates the background and basic concepts of graph neural network and scene understanding, then introduces the operation mechanism and key methodological foundations of graph neural network. The book then comprehensively explores the implementation and architectural design of graph neural networks for scene understanding tasks, including scene parsing, human parsing, and video object segmentation. The aim of this book is to provide timely coverage of the latest advances and developments in graph neural networks and their applications to scene understanding, particularly for readers interested in research and technological innovation in machine learning, graph neural networks and computer vision. Features of the book include self-supervised feature fusion based graph convolutional network is designed for scene parsing, structure-property based graph representation learning is developed for human parsing, dynamic graph convolutional network based on multi-label learning is designed for human parsing, and graph construction and graph neural network with transformer are proposed for video object segmentation.
| Erscheint lt. Verlag | 3.1.2025 |
|---|---|
| Zusatzinfo | XIV, 219 p. 47 illus., 46 illus. in color. |
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Mathematik / Informatik ► Mathematik ► Angewandte Mathematik | |
| Technik ► Bauwesen | |
| Schlagworte | Graph Attention • Graph Construction • Graph Convolution • graph neural network • graph pooling • human parsing • Scene Parsing • Scene Understanding • Video Object Segmentation |
| ISBN-10 | 981-97-9933-3 / 9819799333 |
| ISBN-13 | 978-981-97-9933-6 / 9789819799336 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
