Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Richard Szeliski
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la rechercheBayesian modeling of uncertainty in low-level vision / Richard Szeliski
Titre : Bayesian modeling of uncertainty in low-level vision Type de document : texte imprimé Auteurs : Richard Szeliski, Auteur ; Takeo Kanade, Préfacier, etc. Editeur : Boston : Kluwer academic publishers Année de publication : 1989 Collection : The kluwer international series in engineering and computer science Sous-collection : Robotics: vision, manipulation and sensors num. 79 Importance : XVII-198 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-0-7923-9039-8 Note générale : Index Langues : Anglais (eng) Mots-clés : Théorème de Bayes
Perception visuelle
Algorithmes
Computer vision -- Mathematical models
Vision par ordinateur -- Modèles mathématiquesIndex. décimale : 621.391 Notions générales sur l'ingénierie des Communications électriques.Cybernétique.Théorie de l'information.Théorie des signaux Résumé : Bayesian modeling of uncertainty in low-level vision develops a probablistic model for low-level vision problems such as surface interpolation and depth from motion. The model allows us to describe the uncertainty in the output of low-level vision algorithms. This uncertainty is inherent in all vision applications because of the noisy nature of real sensors.
Modeling of this uncertainty allows us to create algorithms that are more robust with respect to this noise.Note de contenu : Contents:
* Introduction.
* Representations for low-level vision.
* Bayesian models and Markov Random Fields.
* Prior models.
* Sensor models.
* Posterior estimates.
...Bayesian modeling of uncertainty in low-level vision [texte imprimé] / Richard Szeliski, Auteur ; Takeo Kanade, Préfacier, etc. . - Kluwer academic publishers, 1989 . - XVII-198 p. : ill. ; 24 cm. - (The kluwer international series in engineering and computer science. Robotics: vision, manipulation and sensors; 79) .
ISBN : 978-0-7923-9039-8
Index
Langues : Anglais (eng)
Mots-clés : Théorème de Bayes
Perception visuelle
Algorithmes
Computer vision -- Mathematical models
Vision par ordinateur -- Modèles mathématiquesIndex. décimale : 621.391 Notions générales sur l'ingénierie des Communications électriques.Cybernétique.Théorie de l'information.Théorie des signaux Résumé : Bayesian modeling of uncertainty in low-level vision develops a probablistic model for low-level vision problems such as surface interpolation and depth from motion. The model allows us to describe the uncertainty in the output of low-level vision algorithms. This uncertainty is inherent in all vision applications because of the noisy nature of real sensors.
Modeling of this uncertainty allows us to create algorithms that are more robust with respect to this noise.Note de contenu : Contents:
* Introduction.
* Representations for low-level vision.
* Bayesian models and Markov Random Fields.
* Prior models.
* Sensor models.
* Posterior estimates.
...Exemplaires
Code-barres Cote Support Localisation Section Disponibilité Etat_Exemplaire 041567 621.391 SZE Papier Bibliothèque Centrale Electronique Disponible En bon état
