开通VIP，畅享免费电子书等14项超值服
首页
好书
留言交流
下载APP
联系客服
2023.04.12湖北
本文详细介绍西安电子科技大学焦李成教授等多位专家主编、编著的36本人工智能领域教材、专著和综述。
01.《简明人工智能》
作者：焦李成、刘若辰、慕彩红、刘芳
西安电子科技大学出版社(2019)
第1章人工智能简史
第2章知识表示
第3章搜索策略
第4章确定性推理
第5章不确定推理与不确定智能
第6章专家系统
第7章人工神经网络
第8章智能计算基础
第9章机器学习基础
第10章模式识别
第11章混合智能系统
第12章表示学习
第13章深度神经网络模式识别
第14章群体智能聚类
第15章进化多目标与动态优化
02.《现代机器学习》
作者：焦李成、王佳宁、毛莎莎、李玲玲、陈璞花、古晶、刘芳
机器学习为信息类学科的重要分支。本书作为机器学习入门、进阶与本硕博一体式培养教材，系统论述了机器学习研究的基本内容、概念、算法、应用以及发展。本书共18章，分为机器学习基础、经典机器学习方法与现代机器学习方法三大部分。机器学习基础部分为第1、2章，内容为机器学习概述和数学基础知识；经典机器学习方法部分为第3～10章，内容分别为线性回归与分类模型、特征提取与选择、决策树与集成学习、支持向量机、贝叶斯决策理论、神经网络、聚类方法和半监督学习等；现代机器学习方法部分为第11～18章，内容涵盖了近年来新兴的与不断发展的前沿算法，如深度学习、深度强化学习、生成对抗网络、胶囊网络、图卷积神经网络、自监督学习、迁移学习以及自动机器学习等。
第1章机器学习概述
第2章数学基础知识
第3章线性回归与分类模型
第4章特征提取与选择
第5章决策树与集成学习
第6章支持向量机
第7章贝叶斯决策理论
第8章神经网络
第9章聚类方法
第10章半监督学习
第11章深度学习
第12章深度强化学习
第13章生成对抗网络
图书链接：
03.《模式识别》
本书结合传统模式识别与新发展，传统内容与学科前沿相互补充，总共分为经典模式识别、现代模式识别以及深度学习模式识别三个部分共十五章。第一部分包括七个章节，主要介绍了经典模式识别方法，第二部分共三章，主要介绍了现代模式识别方法。第三部分共五章节，主要介绍了深度学习模式识别。第一部分的前几章着重讨论监督学习即已知训练样本及其类别条件下分类器的设计方法；之后介绍无监督模式识别，以及讲解模式识别系统中特征提取和选择的准则和算法。第二部分介绍现代模式识别，其中包含支撑矢量机、组合分类器以及半监督学习。第三部分讨论了前沿模式识别，从深度神经网络出发到强化学习、宽度学习、图卷积网络等。在最后，以实例的形式给出了模式识别在各个领域中的应用，以加深读者对模式识别方法更直观的认识。
目录：
第1章模式识别概述
第2章贝叶斯决策
第3章线性和非线性判别分析
第4章无监督模式识别
第5章特征选择
第6章特征提取
第7章经典人工神经网络
第二部分现代模式识别
第8章支撑矢量机
第9章组合分类器
第三部分深度学习模式识别
第11章深度神经网络
第12章强化学习
第13章宽度学习
第14章图卷积神经网络
第15章语音、文本、图像与视频模式识别
04.《现代神经网络教程》
西安电子科技大学出版社(2020)
第1章绪论
第2章神经计算生物学基础
第3章前馈神经网络模型
第4章反馈神经网络模型
第5章竞争学习神经网络
第6章进化神经网络模型
第7章正则神经网络
第8章支撑矢量机网络
第9章模糊神经网络
第10章多尺度神经网络
第11章自编码网络
第12章卷积神经网络
第13章生成式对抗网络
第14章循环神经网络
第15章深度强化学习
第16章深度学习进阶
第17章图神经网络
05.《量子计算智能》
内容简介：
人工智能进入了一个快速发展的时期，未来人类社会将需要更强大的算力和更高效的计算方法，摩尔定律正在失效，但量子力学态叠加原理给予了我们关于未来计算的启示和希望，“世界经济和各个国家最终的命运可能取决于奇异的和违反直觉的量子理论的原则”（加来道雄《物理学的未来》），目前，量子计算和人工智能是最令学界和业界振奋的未来科技，它们的结合势必带来领域的重大进步，甚至是超越想象的社会革新。
第2章群体智能算法
第3章量子进化计算
第4章量子粒子群智能
第5章基于量子智能优化的数据聚类
第6章基于量子智能优化的数据分类
第7章基于量子智能优化的网络学习
第8章基于量子智能优化的应用
06.《人工智能导论》
07.《计算智能导论》
作者：尚荣华、焦李成、刘芳、张小华、李玲玲
第2章进化计算
第4章人工神经网络
08.《人工智能实验简明教程》
作者：焦李成、孙其功、田小林、侯彪、李阳阳
清华大学出版社(2020)
第1章聊天机器人
第2章老照片上色
第3章图像修复
第4章语义图生成风景图
第5章文本转图像实验
第6章2D实时多人姿态估计
第7章图像分割
第8章图像超分辨率
第9章视频目标跟踪
第10章人物年龄性别及情绪预测
第11章人脸老化与退龄预测
第12章目标检测
第13章眼部图像语义分割
第14章语音识别
第15章AI对对联
第16章手写体风格转化
第17章图像风格化
第18章三维人脸重建
09.《深度神经网络FPGA设计与实现》
作者：孙其功、邬刚、田小林、陈永、侯彪、杨淑媛
本书从深度神经网络和AI芯片研究现状出发，系统地论述了目前深度学习主流开发平台和深度神经网络基于FPGA平台实现加速的开发原理和应用实例。本书主要包括5部分：第1～2章介绍了深度神经网络的发展，并总结了深度学习主流开发平台和AI芯片的研究现状；第3～6章在对深度神经网络基础层算子、FPGA进行了介绍后，总结了FPGA神经网络开发基础及RTL级开发；第7章分析了基于FPGA实现神经网络加速的实例；第8章介绍了基于OpenCL的FPGA神经网络计算加速开发；第9章分析了前沿神经网络压缩与加速技术。
第2章深度学习开发平台
第3章深度神经网络基础层算子介绍
第4章FPGA基本介绍
第5章FPGA神经网络开发基础
第6章FPGA神经网络计算的RTL级开发
第7章基于FPGA实现YOLOV2模型计算加速实例分析
第8章基于OpenCL的FPGA神经网络计算加速开发
第9章神经网络压缩与加速技术
10.《压缩感知理论的工程应用方法》
西安电子科技大学出版社(2017)
第6章基于压缩感知的计算成像
11.《人脸图像合成与识别》
高等教育出版社(2022)
12.《数字信号处理》
高等教育出版社(2014)
绪论数字信号处理理论与应用
第7章数字信号处理的应用
01.《人工智能、类脑计算与图像解译前沿》
作者：焦李成、侯彪、唐旭、刘芳、杨淑媛、陈莉、马文萍等
第1章遥感脑
第2章复杂影像语义分析
第3章压缩表示学习与深度推断
第4章高分辨率遥感图像理解
第5章基于图像学习表征和重排序的遥感影像内容检索
第6章基于稀疏特征学习的图像分割与半监督分类
第7章空谱信息联合的高光谱遥感图像混合像元分解综述
第8章不精确标记数据的多示例目标特性学习
第9章稀疏图在高光谱数据维数约减中的应用
第10章高光谱遥感图像分类技术概述与发展
第11章空谱稀疏结构学习下的高光谱数据降维与分类
第12章多目标进化优化
第13章高维多目标粒子群优化算法综述
第14章进化多目标模糊聚类图像分割
第15章协同进化计算与多智能体系统
第16章量子计算智能前沿与进展
第17章人工免疫系统
第18章基于深度学习的个性化推荐系统研究综述
第19章复杂网络链路预测算法及其应用研究
第20章心理学与人工智能
第21章多尺度几何逼近与分析
第22章神经网络70年：从MP神经元到深度学习
第23章稀疏认知学习、计算与识别
第24章随机优化应用于大规模机器学习
第25章深度神经网络并行化研究综述
02.《深度学习、优化与识别》
作者：焦李成、赵进、杨淑媛、刘芳
第1章深度学习基础
第2章深度前馈神经网络
第3章深度卷积神经网络
第4章深度堆栈自编码网络
第5章稀疏深度神经网络
第6章深度融合网络
第7章深度生成网络
第8章深度复卷积神经网络与深度二值神经网络
第9章深度循环和递归神经网络
第10章深度强化学习
第11章深度学习软件仿真平台及开发环境
第12章基于深度神经网络的SAR/PolSAR影像地物分类
第13章基于深度神经网络的SAR影像变化检测
第14章基于深度神经网络的高光谱图像分类与压缩
第15章基于深度神经网络的目标检测与识别
第16章总结与展望
03.《BrainandNature-InspiredLearning,ComputationandRecognition》
清华大学出版社，Elsevier（2020）
Chapter1:Introduction
Chapter2:Themodelsandstructureofneuralnetworks
Chapter3:Theoreticalbasisofnaturalcomputation
Chapter4:Theoreticalbasisofmachinelearning
Chapter5:Theoreticalbasisofcompressivesensing
Chapter6:Multiobjectiveevolutionaryalgorithm(MOEA)-basedsparseclustering
Chapter7:MOEA-basedcommunitydetection
Chapter8:Evolutionarycomputation-basedmultiobjectivecapacitatedarcroutingoptimizations
Chapter9:Multiobjectiveoptimizationalgorithm-basedimagesegmentation
Chapter10:Graph-regularizedfeatureselectionbasedonspectrallearningandsubspacelearning
Chapter11:Semisupervisedlearningbasedonnuclearnormregularization
Chapter12:Fastclusteringmethodsbasedonlearningspectralembedding
Chapter13:Fastclusteringmethodsbasedonaffinitypropagationanddensityweighting
Chapter14:SARimageprocessingbasedonsimilaritymeasuresanddiscriminantfeaturelearning
Chapter15:Hyperspectralimageprocessingbasedonsparselearningandsparsegraph
Chapter16:Nonconvexcompressedsensingframeworkbasedonblockstrategyandovercompletedictionary
Chapter17:SparserepresentationcombinedwithfuzzyC-means(FCM)incompressedsensing
Chapter18:Compressedsensingbycollaborativereconstruction
Chapter19:Hyperspectralimageclassificationbasedonspectralinformationdivergenceandsparserepresentation
Chapter20:Neuralnetwork-basedsyntheticapertureradarimageprocessing
Chapter21:Neuralnetwork-basedpolarimetricSARimageclassification
Chapter22:Deepneuralnetworkmodelsforhyperspectralimages
亚马逊自营：
04.《稀疏学习、分类与识别》
科学出版社（2017）
第1章引言
第2章机器学习理论基础
第3章快速密度加权低秩近似谱聚类
第4章双图正则非负矩阵分解
第5章学习鲁棒低秩矩阵分解
第6章学习谱表示应用于半监督聚类
第7章应用低秩矩阵填充学习数据表示
第8章结合约束与低秩核学习的半监督学习
第9章基于子空间类标传播和正则判别分析的单标记图像人脸识别
第10章基于双线性回归的单标记图像人脸识别
第11章基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别
第12章压缩感知理论基础
第13章基于分块策略和过完备字典的非凸压缩感知框架
第14章基于协同优化的稀疏重构
05.《大数据智能挖掘与影像解译》
西安电子科技大学出版社(2022)
本书在介绍数据挖掘基本概念、原理和算法的基础上，详细介绍了图像数据的表示、图像存储、图像分类和目标识别、异常检测、图像关联分析、多媒体数据混合挖掘等内容，展示了智能数据挖掘技术与影像解译信息的过程，并对数据挖掘在人工智能、图像处理、模式识别、数据库等领域的研究进行了详细的论述。全书共分8章，主要内容包括数据挖掘概述及分类、数据挖掘的理论基础、关联规则挖掘、数据挖掘应用实例及可视化、数据挖掘中的图像表示与数据预处理、图像目标检测、图像分割、图像分类与识别。
本书可作为高等学校人工智能、计算机、信号与信息处理、应用数学等专业高年级本科生和研究生的教材，也可作为数据挖掘方面的研究人员的参考资料。
第2章KDD的理论基础
第3章关联规则挖掘
第4章数据挖掘应用实例及可视化
第5章数据挖掘中的图像表示与数据预处理
第6章图像目标检测
第7章图像分割第8章图像分类与识别
06.《遥感影像深度学习智能解译与识别》
遥感影像深度学习智能解译与识别是近年来遥感领域的研究热点。本书分析了将人工智能深度学习技术引入遥感数据的解译与识别中，有效的提升了遥感数据的自动化处理和分析能力，并成功应用于包括图像分类、图像分割、目标检测、变化检测、超高分辨率重建等多个场景中，为该领域的深入研究提供借鉴。
第1章基于DC-ResNet的SAR图像目标分类
第2章脊波反卷积结构学习模型
第3章基于改进帧差法与YOLO深度网络的遥感影像目标检测
第4章基于多尺度跳跃型卷积网络的SAR图像变化检测
第5章基于SPPNet的SAR图像变化检测
第6章基于自步学习和对称卷积耦合同步的SAR图像变化检测
第7章基于多层特征SENet的SAR图像目标分类方法
第8章基于GAN网络的极化SAR影像分类
第9章基于阶梯网络模型的极化SAR影像分类
第10章基于Winshart深度堆栈网络的极化SAR影像分类
第11章基于复数轮廓波卷积神经网络的极化SAR影像分类
第12章基于加权卷积神经网络与主动学习的极化SAR影像分类
第13章基于多尺度深度Directionlet网络的极化SAR图像分类
第14章基于局部受限卷积神经网络的极化SAR影像变化检测
第15章基于Looking-Around-and-Into网络的极化SAR影像变化检测
第16章基于胶囊网络的高光谱影像分类
第17章空谱解耦合双通道卷积神经网络的高光谱影像分类
第18章基于快速区域卷积神经网络的遥感语义描述
第19章基于局部响应卷积递归神经网络的遥感语义描述
第20章语义空间和像素空间信息交互联合推理框架
07.《高分辨遥感影像学习与感知》
作者：焦李成、冯婕、刘芳、杨淑媛、张向荣
高分辨遥感影像学习与感知是近年来遥感应用领域的研究热点。本书分析了高分辨率遥感影像处理的特点和面临的挑战，总结和归纳了国内外已有的研究工作，结合近年来机器学习和人工智能领域中的热点方法，如稀疏表示、多核学习、模糊聚类、多目标优化等，着重从高空间分辨率SAR遥感影像相干斑抑制、SAR地物目标分类和高光谱分辨率遥感影像混合像元分解、维数约简、地物目标分类等方面进行研究，提供了新颖的解决思路和方法。
本书侧重于新算法的描述与实例的分析，反映近年来高分辨遥感影像学习与感知的发展概况，为该领域的深入研究提供借鉴。
第2章基于统计的高分辨SAR遥感影像相干斑抑制
第3章基于非局部信息和改进边缘保持的高分辨SAR遥感影像分类
第4章基于层次语义和自适应隐模型的高分辨SAR遥感影像分类
第5章融合多特征的人工免疫多目标SAR遥感影像分类
第6章基于上下文分析和非均衡合并的高分辨SAR遥感影像分类
第7章基于多元互信息测度和克隆选择优化的高光谱波段选择
第8章基于波段协作性和近邻传播聚类的半监督高光谱波段选择
第9章稀疏约束的广义双线性高光谱遥感影像解混
第10章基于多核学习的不平衡高光谱遥感影像分类
第11章基于均值漂移和组稀疏编码的高光谱遥感影像空谱域分类
第12章基于多特征联合与稀疏表示学习的高光谱遥感影像分类
第13章基于类级稀疏表示学习的高光谱影像空谱联合分类
08.《雷达图像解译技术》
作者：焦李成、侯彪、王爽、刘芳、杨淑媛、白静、钟桦
国防工业出版社(2017)
本书针对高分辨力合成孔径雷达（SyntheticApertureRadar，SAR）图像和极化SAR图像解译与目标识别的国际前沿及热点领域，系统地介绍高分辨力SAR和极化SAR的成像机理及其在SAR图像处理领域的应用。首先，介绍SAR图像解译与目标识别的基本原理、研究方法及其发展与应用，重点介绍高分辨力SAR图像相干斑抑制的方法和极化SAR噪声抑制技术；其次，介绍基于结合统计信息、区域信息和上下文信息的高分辨力SAR图像地物分割与分类以及基于极化散射特征、极化统计特征和极化图像特征的极化SAR图像分类；最后，讨论不同高分辨力SAR图像（舰船、飞机等）目标检测、识别及分类的方法。
本书可作为高校电子工程、信号与信息处理、应用数学等专业的高年级本科生或研究生教材，也可供从事雷达图像解译方面研究工作的科技工作者参考。
第2章高分辨力SAR图相于斑抑制
第3章极化SAR相斑噪声抑制
第4章高分辨力SAR图像地物分割与分类
第5章高分辨力极化SAR图像地物分类
第6章高分辨力SAR图像目标检测
第7章高分辨力SAR图像目标识别与分类
09.《智能SAR影像变化检测》
作者：焦李成、侯彪、尚荣华、杨淑媛、王爽、万红林、辛芳芳、刘赶超
科学出版社(2017)
第2章基于小波域隐马尔可夫树模型的遥感图像变化检测
第3章基于局部均值动态Fisher分类器的遥感图像变化检测
第4章基于非局部均值加权的动态模糊Fisher分类器的遥感图像变化检测
第5章基于小波域Fisher分类器的SAR图像变化检测
第6章基于神经网络和非局部均值加权的SAR图像变化检测
第7章基于块相似性度量模型的SAR图像变化检测
第8章基于双噪声相似性度量和极化机理的PolSAR变化检测
第9章基于多层判别式Fisller自编码器的SAR图像变化检测
第10章基于交互式分割技术和决策级融合的SAR图像变化检测
第11章基于值域受限阈值和马尔可夫融合的SAR图像变化检测
第12章在感兴趣的区域层面上进行的SAR图像变化检测
第13章基于模糊贴近度和过渡区域提取的SAR图像变化检测
第14章基于融合的混合型SAR图像变化检测
第15章基于免疫克隆优化的小波域遥感图像变化检测
第16章基于BBO优化的遥感图像变化检测
10.《认知计算与多目标优化》
第1章认知科学及其特点
第2章多目标优化问题
第3章基于等度规映射的ε支配机制用于求解多目标优化问题
第4章基于在线非支配抗体的自适应多目标优化
第5章基于自适应等级克隆和动态m近邻表的克隆选择多目标优化
第6章基于角解优先的高维多目标非支配排序方法
第7章双档案高维多目标进化算法
第8章融合非局部均值去噪的高效免疫多目标SAR图像自动分割
第9章基于自然计算优化的非凸重构方法
第10章基于免疫克隆优化的认知无线网络频谱分配
第11章基于混沌量子克隆的按需频谱分配算法
第12章量子免疫克隆算法求解基于认知引擎的频谱决策问题
第13章基于免疫优化的认知OFDM系统资源分配
11.《免疫优化计算、学习与识别》
科学出版社（2006）
第1章进化论与计算智能
第2章生物免疫系统
第3章从生物免疫到人工免疫系统
第4章免疫进化算法
第5章免疫克隆选择计算
第6章高级免疫克隆选择计算
第7章量子进化计算与量子克隆选择算法
第8章人工免疫网络
第9章基于免疫进化计算的数据聚类
第10章移动通信中的免疫自适用多用户检测
第11章网络组播路由免疫优化
第12章基于免疫机理的网络安全与入侵检测
第13章人工免疫系统的研究前沿与展望
12.《CoevolutionaryComputationandMultiagentSystems》
科学出版社，Witpress（2012）
Theoriginsofevolutionarycomputationcanbetracedbacktothelate1950'swhenitremained,almostunknown,tothebroaderscientificcommunityuntilthelate1980'swhenitstartedtoreceivesignificantattention.Thisbookpresentstheauthor'srecentworkinthisfield.
Chapter2:Anorganizationalcoevolutionaryalgorithmforclassification
Chapter3:Anorganizationalevolutionaryalgorithmforsatisfiability
Chapter4:Anorganizationalevolutionaryalgorithmfornumericaloptimization
Chapter5:Movingblocksequence:anewVLSIfloorplanrepresentation
Chapter6:Anorganizationalevolutionaryalgorithmforgeneralfloorplanningbasedonmovingblocksequence
Chapter7:Amultiagentgeneticalgorithmforglobalnumericaloptimization
Chapter8:AMacroagentevolutionarymodelfordecomposablefunctionoptimization
Chapter9:Amultiagentevolutionaryalgorithmforcombinatorialoptimizationproblems
Chapter10:Amultiagentevolutionaryalgorithmforconstraintsatisfactionproblems
1、神经网络七十年：回顾与展望（计算机学报）
2、稀疏认知学习,计算与识别的研究进展（计算机学报）
3、深度神经网络FPGA设计进展、实现与展望（计算机学报）
4、NewGenerationDeepLearningforVideoObjectDetection:ASurvey（IEEETransactionsonNeuralNetworksandLearningSystems）
5、Deeplearninginvisualtracking:Areview（IEEETransactionsonNeuralNetworksandLearningSystems）
6、Multi-scalerepresentationlearningforimageclassification:Asurvey（IEEETransactionsonArtificialIntelligence）
7、TheNewGenerationBrain-inspiredSparseLearning:AComprehensiveSurvey（IEEETransactionsonArtificialIntelligence）
8、Graphrepresentationlearningmeetscomputervision:Asurvey（IEEETransactionsonArtificialIntelligence）
内容简介：以认知科学、脑科学和神经科学为基础，关系推理和结构化建模是人类认知不可或缺的一部分。对于高级智能感知和图像解译，图像内容的几何表示和关系建模是一项重要且具有挑战性的任务。图表征学习算法提供了解决此问题的基本方法。图结构是一种强大的数学抽象，它不仅可以表示关于个体的信息，还可以捕获个体之间的相互作用以进行推理。在本文中，系统地回顾了图表征学习及其在计算机视觉中的应用。首先，本文梳理了图上表征学习的演变，根据图节点的编码方式将它们分为非神经网络和神经网络方法。具体来说，本文介绍了图嵌入和概率图模型等非神经网络方法，同时，还介绍了图递归神经网络、图卷积网络和图神经网络的变体等神经网络方法。然后，本文整理了图表征算法在各种视觉任务（如图像分类、语义分割、目标检测和跟踪等）中的应用，以供细分领域的研究人员回顾和参考，并总结了计算机视觉中典型的图构建方法。最后，在生物学和大脑启发的背景下，本文讨论了图表征学习和计算机视觉的现有挑战和未来方向。
9、DeepLearning-BasedObjectTrackinginSatelliteVideos:Acomprehensivesurveywithanewdataset（IEEEGeoscienceandRemoteSensingMagazine）
内容简介：作为卫星视频研究的一项基本任务，目标跟踪广泛用于交通评估、军事安全等方面。目前遥感领域的卫星技术使得以较高的帧率和图像分辨率跟踪运动目标成为可能。然而，这种特殊视角下的物体往往又小又模糊，很难有效地提取可分辨的视觉特征。因此，许多深度学习方法被提出用于卫星视频中的目标跟踪。此外，自然视频的评估标准并不完全适用于卫星视频。微小的物体在这类指标中总是获得低精度的评估结果。在本文中，对卫星视频的研究做出了三项贡献。首先，提出了一个新的单目标跟踪（SOT）数据集，命名为SV248S。这个数据集包括248个具有高精度人工标注的序列，并设计了10种属性标签来完整展示跟踪过程中的困难。其次，本文提出了两种高精度评估方法，特别是针对小目标跟踪。最后，本文对从2017年到2021年涵盖流行框架的28种基于深度学习的最先进跟踪方法进行调研，并在SV248S数据集上进行了评估和比较。此外，根据综合实验结果，本文总结了一些有效采用深度学习方法的指南。
10、Brain-inspiredRemoteSensingInterpretation:AComprehensiveSurvey（IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing）
内容简介：脑启发算法已经成为下一代人工智能的新趋势。通过对脑科学的研究，可以有效提高智能遥感算法。本文对脑认知学习的特性和遥感解译的最新进展进行了总结和分析。首先本综述介绍了大脑的结构组成和特性;然后，研究了5种代表性的类脑算法，包括多尺度几何分析、压缩感知、注意力机制、强化学习和迁移学习;其次，对遥感数据类型、典型遥感解译应用发展和遥感算法实现，包括数据集、软件和硬件进行了介绍;最后，本综述讨论了脑启发遥感解译的十大开放问题和未来发展方向。本文旨在全面综述脑机制和遥感研究进展，并为脑启发遥感解译的未来研究提供参考。
11、Quantumoptimizationandquantumlearning:Asurvey（IEEEAccess）
12、ASurveyofDeepLearning-BasedObjectDetection（IEEEAccess）
内容简介：物体检测是非常重要且具有挑战性的计算机视觉方向之一，已经被广泛应用于人们的工作和生活中，比如遥感影像、监控安防、自动驾驶、机器人视觉等。其目的在于定位物体并正确识别其类别。首先，本文简述了物体检测的诸多研究分支、大型公开基准数据集以及物体检测器的分类。之后详述了物体检测器的多种骨架网络和12种典型的基线网络结构以及当时最新的3种网络架构。在第四章介绍了5个大型公开基准数据集及其评价标准。本文着力于分析基于深度学习的物体检测方法，详细描述了11种主流物体检测领域的研究热点问题及其解决方法。接下来，本文列举了5个应用领域下的18个物体检测应用下的经典方法并详述了10个物体检测研究分支的求解方法。至此，本文参考了317篇经典文献。最后，本文总结了物体检测在深度学习时代的研究方案并给出15个物体检测的未来研究方向。