Name: Information Theory in Computer Vision and Pattern Recognition (en Inglés)
Price: 457870.00 COP
Availability: InStock
Author: Escolano Ruiz, Francisco ; Yuille, Alan L. ; Suau Pérez, Pablo
ISBN: 9781447156932

portada Information Theory in Computer Vision and Pattern Recognition (en Inglés)

Formato

Libro Físico

Autor

Francisco Escolano Ruiz

Pablo Suau Pérez

Editorial

Springer

Idioma

Inglés

N° páginas

364

Encuadernación

Tapa Blanda

Dimensiones

23.4 x 15.6 x 2.0 cm

Peso

0.54 kg.

ISBN13

9781447156932

Categorías

Software de matemáticas y estadísticas
Reconocimiento de formas
Visión por ordenador

Information Theory in Computer Vision and Pattern Recognition (en Inglés)

Francisco Escolano Ruiz (Autor) · Pablo Suau Pérez (Autor) · Springer · Tapa Blanda

Libro Nuevo

$ 457.870

$ 915.739

Ahorras: $ 457.870

50% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Martes 23 de Julio y el Martes 06 de Agosto.

Lo recibirás en cualquier lugar de Colombia entre 1 y 5 días hábiles luego del envío.

Reseña del libro "Information Theory in Computer Vision and Pattern Recognition (en Inglés)"

Information theory has proved to be effective for solving many computer vision and pattern recognition (CVPR) problems (such as image matching, clustering and segmentation, saliency detection, feature selection, optimal classifier design and many others). Nowadays, researchers are widely bringing information theory elements to the CVPR arena. Among these elements there are measures (entropy, mutual information...), principles (maximum entropy, minimax entropy...) and theories (rate distortion theory, method of types...). This book explores and introduces the latter elements through an incremental complexity approach at the same time where CVPR problems are formulated and the most representative algorithms are presented. Interesting connections between information theory principles when applied to different problems are highlighted, seeking a comprehensive research roadmap. The result is a novel tool both for CVPR and machine learning researchers, and contributes to across-fertilization of both areas.