<html><head></head><body><div style="font-family:verdana, helvetica, sans-serif;font-size:13px;"><div style="font-family:verdana, helvetica, sans-serif;font-size:13px;"><div>Call for Chapters (http://staff.www.ltu.se/~ismawa/dlcv/)
<br> 
<br>Deep Learning in Computer Vision: Theories and Applications
<br> 
<br>Aims and Scope:
<br>Recent advances in learning algorithms for deep architectures have 
made deep learning feasible and deep learning systems have achieved 
state-of-the-art performance and sometimes show superior performance on 
fully supervised learning tasks on several fields. Specifically, deep 
learning algorithms have brought a revolution to the computer vision 
community, introducing non-traditional and efficient solutions to 
several image-related problems that had long remained unsolved. Today, 
utilizing deep learning-based methods in computer vision is a very hot 
topic. For some tasks such as object recognition and image 
classification, tremendous progress has been made in applying deep 
learning techniques. On the other hand, there are some debates as to the
 reasons for the high success of the deep learning-based methods, and 
about the limitations of these methods. Besides, several questions are 
still open and need answers as to how these methods can be tailored to 
certain computer vision tasks such as videos-related applications and 
how to scale up the models and training data. Topics of interest 
include, but are not limited to:
<br> 
<br>==Deep Learning Theories
<br>--Deep Learning Algorithms
<br>--Deep Learning Networks
<br>--Deep Feature Learning
<br>--Deep Metric Learning
<br>--Deep Learning Toolboxes
<br>--Performance Evaluation
<br>--Deep Learning Optimization
<br>
<br>==Deep Learning Applications
<br>--Deep Learning for Object Segmentation and Shape Models
<br>--Deep Learning for Object Detection and Recognition
<br>--Deep Learning for Image Understanding
<br>--Deep Learning for Human Actions Recognition
<br>--Deep Learning for Facial Recognition
<br>--Deep Learning for Visual Tracking
<br>--Deep Learning for Image and Video Retrieval
<br>--Deep Learning for Image Classification
<br>--Deep Learning for Scene Understanding
<br>--Deep Learning for Visual Saliency
<br>--Deep Learning for Visual Understanding
<br>--Deep Learning for Medical Image Recognition
<br> 
<br>
<br>Publication Schedule:
<br>The tentative schedule of the book publication is as follows:
<br>-- Deadline for chapter submission: May 30, 2018
<br>-- Author notification: July 30, 2018
<br>-- Camera-ready submission: August 30, 2018
<br>-- notification: September 15, 2018
<br>-- Publication date: Fourth quarter of 2018
<br> 
<br>
<br>Submission Procedure:
<br>Authors are invited to submit original, high quality, unpublished 
results of both deep learning theories and applications in the computer 
vision domain. Prospective authors need to electronically submit their 
contributions using EasyChair submission system (Link). Submitted 
manuscripts will be refereed by at least two independent and expert 
reviewers for quality, correctness, originality, and relevance. The 
accepted contributions will be published as a book in the prestigious 
Digital Imaging and Computer Vision Book Series by CRC Press. More 
information about the "Digital Imaging and Computer Vision Book Series" 
can be found in the (See the book website for instructions). Please 
consider the following points when preparing your manuscript:
<br>-- The optimum length of the manuscript is 20-30 A4 pages.
<br>-- The publication of the selected chapters will be free of charge.
<br>-- Submitted manuscripts should conform to the author’s guidelines of the CRC Press mentioned in the following two points.
<br>-- Latex is the preferable word processing tool for preparing the chapters (See the book website for instructions). 
<br>-- MS Word is an acceptable word processing tool for preparing the chapters (See the book website for instructions). 
<br>
<br>Book Editors:
<br>Dr.: M. Hassaballah, 
<br>Department of Computer Science,
<br>Faculty of Computers and Information 
<br>South Valley University, Luxor, Egypt 
<br>E-mail: m.hassaballah[at]svu.edu.eg 
<br> 
<br>
<br>Dr.: Ali Ismail Awad 
<br>Department of Computer Science, Electrical and Space Engineering 
<br>Luleå University of Technology 
<br>Luleå, Sweden 
<br>E-mail: ali.awad[at]ltu.se
        <br></div></div></div></body></html>