Name: Information Theory in Computer Vision and Pattern Recognition (en Inglés)
Price: 320.64 PEN
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)

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

Formato

Libro Físico

Autor

Francisco Escolano Ruiz

Pablo Suau Pérez

Prefacio de

Alan L. Yuille

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) · Alan L. Yuille (Prefacio de) · Springer · Tapa Blanda

Libro Nuevo Importado

Envío: 12 a 17 días háb.

S/ 712,53S/ 320,64

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan más de 100 unidades

S/ 320,64

Llega entre el 14 Ago y el 24 Ago a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

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.