L'Optimisation Stochastique dans la Vision par Ordinateur (OMN.UNIV.EUROP.)
Seyyid Medjahed yazarının L'Optimisation Stochastique dans la Vision par Ordinateur (OMN.UNIV.EUROP.) kitabı da dahil olmak üzere birçok dosya aşağıdaki bölümleri de içerebilir:
- imza dosyası: çeşitli varlıklar için dijital imzalar içerir.
- şifreleme.xml: yayımlama kaynaklarının şifrelenmesiyle ilgili bilgileri içerir. (Yazı tipi gizleme kullanılıyorsa bu dosya gereklidir.)
- meta veriler: kapsayıcı hakkında meta verileri depolamak için kullanılır.
- haklar: L'Optimisation Stochastique dans la Vision par Ordinateur (OMN.UNIV.EUROP.) kitabının dijital haklarıyla ilgili bilgileri depolamak için kullanılır.
XHTML içerik belgeleri ayrıca zengin meta verilerle L'Optimisation Stochastique dans la Vision par Ordinateur (OMN.UNIV.EUROP.) kitap işaretlemesine açıklama ekleme olanakları içerir, bu da onları hem işleme hem de erişilebilirlik amaçları için anlamsal olarak daha anlamlı ve kullanışlı hale getirir.
E içerik belgeleri, bir yayının okunabilir içeriğini tanımlayan ve ilgili medya varlıklarına (görüntüler, ses ve video klipler gibi) bağlantı veren XHTML (HTML5 profili tarafından tanımlanır) veya SVG belgeleri vb.'dir.
yazar | Seyyid Medjahed |
---|---|
Tarafından yayınlandı | 1 Ekim 2018 |
1 Ocak 2017 17,8 x 0,6 x 25,4 cm 1 Ocak 2019 15,2 x 0,7 x 22,9 cm 1 Eylül 2020 Collectif Derform J Saosa 1 Ocak 2020 Kollektif 1 Ocak 2018 CAROUSEL CALENDARS 20 x 20 x 20 cm 1 x 13,5 x 21 cm 1 Ekim 2020 15,2 x 0,6 x 22,9 cm Kolektif 1 x 13,5 x 19,5 cm
okumak okumak kayıt olmadan
yazar | Seyyid Medjahed |
---|---|
isbn 10 | 6138399218 |
isbn 13 | 978-6138399216 |
Yayımcı | UNIV EUROPEENNE |
Dilim | Fransızca |
Tarafından yayınlandı L'Optimisation Stochastique dans la Vision par Ordinateur (OMN.UNIV.EUROP.) | 1 Ekim 2018 |
L'optimisation stochastique est largement utilisée en vision par ordinateur. C'est en particulier une approche pratique pour résoudre de grands problèmes combinatoires. L'un de ces problèmes dans la vision par ordinateur est l'appariement d'images stéréo pour lequel une approche d'optimisation stochastique a été développée. Dans ce livre, nous analysons et évaluons plusieurs versions de l'algorithme proposé précédemment, certaines avec des horaires de refroidissement et d'autres sans horaires de refroidissement. Nous évaluons les performances de ces variantes en termes de vitesse de convergence, de qualité de la solution, d'erreurs absolues et relatives, et de pourcentage de correspondances correctes et fausses. Les cartes de disparité sont également montrées pour l'évaluation qualitative.