人工智能 类型
可以朗读 语音朗读
133千字 字数
2021-01-01 发行日期
展开全部

主编推荐语

人脸识别技术研究必读，实用案例丰富。

内容简介

本书内容丰富，阐述清晰详尽，文图结合紧密，可读性好，实用性强，主要介绍了人脸识别中的一些算法与案例，主要包括素描人脸识别与人脸合成的研究与应用、传统特征提取算法在素描人脸识别中的应用、深度学习在素描人脸识别上的研究与应用、传统素描人脸合成方法、基于生成对抗网络的素描人脸合成方法、人脸超分辨率重建方法等内容。本书可作为研究人脸识别技术的参考用书，也可以作为高等院校相关专业的本科生和研究生参考书，还可供人脸识别技术领域工作的工程技术人员阅读。

目录

  • 版权信息
  • 前言
  • 第1章 人脸识别的研究与应用
  • 1.1 素描人脸识别的研究与应用
  • 1.1.1 光学人脸识别研究历程
  • 1.1.2 素描人脸识别国内外研究现状
  • 1.1.3 素描人脸识别数据库
  • 1.1.4 素描人脸识别的难点和发展趋势
  • 1.2 素描人脸合成的研究与应用
  • 1.2.1 素描人脸合成的国内外研究现状
  • 1.2.2 素描人脸图像质量评估指标
  • 1.2.3 素描人脸合成的难点与发展趋势
  • 1.3 人像着色的研究与应用
  • 1.3.1 人像着色的国内外研究现状
  • 1.3.2 人像着色的难点与发展趋势
  • 1.4 人脸图像超分辨率重建技术的研究与应用
  • 1.4.1 人脸图像超分辨率的发展及国内外研究现状
  • 1.4.2 人脸图像超分辨率重建质量评价标准
  • 1.4.3 人脸图像超分辨率重建技术的难点与发展趋势
  • 1.5 本章小结
  • 第2章 传统特征提取算法在素描人脸识别上的应用与研究
  • 2.1 传统素描人脸识别算法相关原理
  • 2.1.1 人脸图像分割算法
  • 2.1.2 人脸特征提取算法
  • 2.2 基于Surf匹配坐标邻域优化的素描人脸识别
  • 2.2.1 Surf匹配
  • 2.2.2 坐标邻域优化
  • 2.2.3 识别过程
  • 2.2.4 实验结果与分析
  • 2.3 基于张量排序保留判别分析的人脸特征提取
  • 2.3.1 张量排序保留判别投影（TRPDA）模型
  • 2.3.2 TRPDA求解算法
  • 2.3.3 实验结果与分析
  • 2.4 本章小结
  • 第3章 深度学习在素描人脸识别上的应用
  • 3.1 深度学习相关原理
  • 3.1.1 卷积神经网络概述
  • 3.1.2 主流人脸识别模型框架
  • 3.1.3 度量学习
  • 3.2 基于联合分布适配的素描人脸识别
  • 3.2.1 迁移学习
  • 3.2.2 模型结构
  • 3.2.3 损失函数
  • 3.2.4 实验结果与分析
  • 3.3 基于残差网络和度量学习的素描人脸识别
  • 3.3.1 模型结构
  • 3.3.2 损失函数
  • 3.3.3 实验结果与分析
  • 3.4 基于SE-ResNeXt模型的素描人脸识别
  • 3.4.1 SE-ResNeXt网络模型
  • 3.4.2 损失函数
  • 3.4.3 实验结果与分析
  • 3.5 本章小结
  • 第4章 传统素描人脸合成方法
  • 4.1 结合LBP局部特征提取的素描人脸合成方法
  • 4.1.1 欧氏距离粗提取
  • 4.1.2 结合子块切分的LBP局部特征提取
  • 4.1.3 合成过程
  • 4.1.4 实验结果与分析
  • 4.2 结合pHash稀疏编码的素描人脸合成方法
  • 4.2.1 基于图像熵的图像分块
  • 4.2.2 图像块的特征提取
  • 4.2.3 实验结果与分析
  • 4.3 本章小结
  • 第5章 生成对抗网络在素描人脸合成中的应用
  • 5.1 生成对抗网络相关原理
  • 5.1.1 生成对抗网络模型概述
  • 5.1.2 生成对抗网络的改进
  • 5.2 基于生成对抗网络的素描人脸合成方法
  • 5.2.1 生成对抗网络模型
  • 5.2.2 损失函数
  • 5.2.3 实验结果与分析
  • 5.3 基于双层对抗网络的素描人脸合成方法
  • 5.3.1 双层对抗网络模型
  • 5.3.2 损失函数
  • 5.3.3 实验结果与分析
  • 5.4 基于特征学习生成对抗网络的高质量素描人脸合成方法
  • 5.4.1 特征学习生成对抗网络模型
  • 5.4.2 损失函数
  • 5.4.3 实验结果与分析
  • 5.5 多判别器循环生成对抗网络的素描人脸合成方法
  • 5.5.1 多判别器循环生成对抗网络模型
  • 5.5.2 损失函数
  • 5.5.3 实验结果与分析
  • 5.6 本章小结
  • 第6章 基于联合一致循环生成对抗网络的人像着色方法
  • 6.1 色彩空间
  • 6.2 网络结构
  • 6.2.1 着色网络模型
  • 6.2.2 生成网络
  • 6.2.3 判别网络
  • 6.3 损失函数
  • 6.3.1 生成对抗损失
  • 6.3.2 联合一致性损失
  • 6.4 实验结果与分析
  • 6.4.1 数据库及参数设置
  • 6.4.2 消融实验
  • 6.4.3 和已有方法对比
  • 6.5 本章小结
  • 第7章 人脸超分辨率重建
  • 7.1 双层级联神经网络的人脸超分辨率重建
  • 7.1.1 堆叠沙漏块结构
  • 7.1.2 双层级联神经网络结构
  • 7.1.3 损失函数
  • 7.1.4 实验结果与分析
  • 7.2 基于引导图像的人脸超分辨率重建
  • 7.2.1 3DMM人脸拟合
  • 7.2.2 基于3DMM的人脸矫正
  • 7.2.3 基于引导图像的人脸超分辨率重建网络
  • 7.2.4 实验结果与分析
  • 7.3 本章小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。