科技
类型
可以朗读
语音朗读
112千字
字数
2022-06-01
发行日期
展开全部
主编推荐语
本书选择以遮挡人脸识别这一当今世界难题为例，探索人工智能技术实战进阶之路。
内容简介
全书重现了笔者对人脸有无口罩识别、口罩分割提取、遮挡人脸识别等方面的技术探索与实现过程。从视频图像的智能分割、图像区域生长算法设计与实现、智能采集、智能分割、智能变换、智能融合、图像边缘智能检测、图像非局部均值滤波等角度入手，尝试了遮挡人脸图像处理的探索，并最终分别基于MATLAB和Python实现了遮挡人脸识别。
本书内容通俗易懂，适用于对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生，还是希望向人工智能领域转型的技术人员，都可以通过本书的指引，轻松完成人工智能实战进阶。
目录
- 版权信息
- 内容简介
- 主编简介
- 前言
- 本书特色
- 致谢
- 第1章 项目入门阶段一
- 1.1 最初的思考
- 1.2 研究平台架构
- 1.2.1 系统设计需求
- 1.2.2 系统设计方案
- 1.3 数据采集原理
- 1.3.1 确定取景范围
- 1.3.2 低通采样原理
- 1.3.3 数字信号重建
- 1.4 开发界面设计
- 1.4.1 基本信息获取
- 1.4.2 功能面板组成
- 1.4.3 界面设计过程
- 1.5 智能采集系统
- 1.5.1 图形用户界面
- 1.5.2 技术模块演示
- 1.6 小结
- 参考文献
- 第2章 项目入门阶段二
- 2.1 不完美的智能
- 2.2 噪声处理算法
- 2.2.1 均值滤波去噪
- 2.2.2 中值滤波去噪
- 2.2.3 小波软阈值去噪
- 2.2.4 小波硬阈值去噪
- 2.2.5 轮廓波阈值去噪
- 2.3 模块化设计与调试
- 2.3.1 技术模块布局
- 2.3.2 技术模块演示
- 2.3.3 核心代码
- 2.4 小结
- 参考文献
- 第3章 项目入门阶段三
- 3.1 进一步的思考
- 3.2 从局部到非局部
- 3.2.1 非局部滤波算法原理
- 3.2.2 存在的不足
- 3.2.3 算法改进思路
- 3.3 应用探索和尝试
- 3.3.1 运动目标检测
- 3.3.2 算法设计思想
- 3.3.3 算法设计过程
- 3.4 实验结果与结论
- 3.4.1 预测实验结果
- 3.4.2 观察收集实验结果
- 3.4.3 实验结果分析
- 3.5 小结
- 参考文献
- 第4章 项目探索阶段一
- 4.1 最初的假设
- 4.2 边缘检测与分割
- 4.2.1 主要的算法思想
- 4.2.2 数学建模思路
- 4.3 从边缘检测到阈值分割
- 4.3.1 主要的算法思想
- 4.3.2 数学建模思路
- 4.4 均衡化的考虑
- 4.4.1 图像均衡化原理
- 4.4.2 模型与算法设计
- 4.4.3 从均衡化到规范化
- 4.5 模块化设计的探索
- 4.5.1 模块化的基本框架
- 4.5.2 边缘检测技术模块
- 4.5.3 阈值分割技术模块
- 4.5.4 直方图均衡化模块
- 4.6 小结
- 参考文献
- 第5章 项目探索阶段二
- 5.1 初始假设的拓展
- 5.2 区域生长算法原理
- 5.2.1 算法数据流分析
- 5.2.2 算法卷积层分析
- 5.2.3 策略信息点池化
- 5.2.4 逻辑回归与二分类
- 5.3 遮挡区域提取实验
- 5.3.1 右侧脸+N95口罩
- 5.3.2 左侧脸+N95口罩
- 5.3.3 俯视脸+N95口罩
- 5.3.4 仰视脸+N95口罩
- 5.3.5 正脸+医用外科口罩
- 5.3.6 左侧脸+医用外科口罩
- 5.3.7 右侧脸+医用外科口罩
- 5.3.8 俯视脸+医用外科口罩
- 5.3.9 仰视脸+医用外科口罩
- 5.4 区域生长算法核心代码展示
- 5.4.1 MATLAB核心代码
- 5.4.2 Python核心代码
- 5.5 小结
- 参考文献
- 第6章 项目探索阶段三
- 6.1 初始假设的延伸
- 6.2 数字图像的深度认知
- 6.2.1 从图像处理到图像理解
- 6.2.2 图像工程的三个层级
- 6.3 图像分割的数学定义
- 6.3.1 问题、特征与规律
- 6.3.2 分割条件的数学表达
- 6.3.3 目标区域与背景解释
- 6.4 图像变换与图像操作
- 6.4.1 图像变换原理
- 6.4.2 从变换到操作
- 6.4.3 实验结果展示
- 6.5 图像变换与图像分割的结合
- 6.5.1 阈值筛选优化思路
- 6.5.2 相关概率知识补充
- 6.5.3 分割过程的数学表达
- 6.6 人脸背景去除实验
- 6.6.1 阈值分割去除
- 6.6.2 裁剪分割去除
- 6.6.3 裁剪缩放分割旋转
- 6.7 小结
- 参考文献
- 第7章 项目探索阶段四
- 7.1 进一步的假设
- 7.2 从图像边缘到图像特征
- 7.2.1 检测方法的分类
- 7.2.2 图像特征的分类
- 7.2.3 边缘特征的分类
- 7.3 边缘的理解与表达
- 7.3.1 从函数的角度解释
- 7.3.2 基本算法思想解释
- 7.3.3 一阶导数与卷积操作
- 7.3.4 二阶导数与通用掩模
- 7.4 边缘检测深入解读
- 7.4.1 Roberts算子深入解读
- 7.4.2 Prewitt算子深入解读
- 7.4.3 Sobel算子深入解读
- 7.4.4 LoG算子深入解读
- 7.4.5 Canny算子深入解读
- 7.5 从边缘检测到边缘增强
- 7.5.1 基本算法思想解释
- 7.5.2 算法设计与编程实现
- 7.5.3 边缘增强的实验结果
- 7.6 小结
- 参考文献
- 第8章 项目实战阶段一
- 8.1 最初的尝试
- 8.2 从图像融合到人脸识别
- 8.2.1 问题背景与解决方案
- 8.2.2 解决方案的实现途径
- 8.3 人脸图像融合原理
- 8.3.1 融合技术的三个层次
- 8.3.2 算法思想与建模过程
- 8.3.3 技术实现的主要步骤
- 8.4 技术开发系统及代码
- 8.4.1 图形用户界面设计
- 8.4.2 图形用户界面调试
- 8.4.3 技术核心代码展示
- 8.5 技术模块化实现过程
- 8.5.1 模块化思路分析
- 8.5.2 基础融合技术模块
- 8.5.3 高级融合技术模块
- 8.6 人脸融合实验结果
- 8.7 小结
- 参考文献
- 第9章 项目实战阶段二
- 9.1 借助深度学习
- 9.2 深度学习基本原理
- 9.2.1 理解“深度”的含义
- 9.2.2 主流深度学习模型
- 9.2.3 MATLAB代码实现
- 9.3 从MATLAB到Python
- 9.3.1 一个实用的开发框架
- 9.3.2 TensorFlow基本概念
- 9.3.3 TensorFlow安装过程
- 9.4 遮挡区域提取方案
- 9.4.1 基础模型结构
- 9.4.2 加载训练好的模型
- 9.4.3 核心代码
- 9.5 遮挡区域提取实验
- 9.5.1 设置口罩保存路径
- 9.5.2 人脸目标区域保存
- 9.5.3 完整实验结果
- 9.6 项目实战代码
- 9.7 小结
- 参考文献
- 第10章 项目实战阶段三
- 10.1 超越深度学习
- 10.2 宽度学习的算法思想
- 10.2.1 宽度学习系统结构
- 10.2.2 网络权重求解过程
- 10.2.3 动态逐步更新算法
- 10.3 高效的增量学习模型
- 10.3.1 宽度学习系统的优势
- 10.3.2 宽度学习技术的核心
- 10.3.3 高效增量学习机制
- 10.4 宽度学习代码解读及调试
- 10.4.1 基础代码及调试
- 10.4.2 实验结果分析
- 10.4.3 遮挡人脸识别平台开发
- 参考文献
- 后记
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
