注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络人工智能人工智能:人脸识别与搜索

人工智能:人脸识别与搜索

人工智能:人脸识别与搜索

定 价:¥89.00

作 者: 张重生 著
出版社: 电子工业出版社
丛编项: 人工智能出版工程
标 签: 暂缺

购买这本书可以去


ISBN: 9787121383984 出版时间: 2020-08-01 包装: 精装
开本: 16开 页数: 300 字数:  

内容简介

  人脸识别是当今的热门应用领域和研发方向,在安防、金融、公共服务等领域具有十分广泛的应用。本书全面、系统地介绍“刷脸”背后的技术,包括人脸检测、人脸识别、人脸关键点定位、人脸检索相关的算法和实现技术。另外,本书还囊括了前沿的、基于深度学习的人脸识别技术(2014―2020年)。本书讲解的算法具有前沿性和实用性。通过本书学习,学习人员能够在3~5个月内系统地了解、掌握人脸检测、人脸识别、人脸关键点定位、人脸检索的算法原理与实战技术。本书内容新颖、技术前沿、层次清晰,适合高校教师、研究生、工程师和人脸识别爱好者使用。

作者简介

  张重生,男,博士,教授,硕士生导师,河南大学大数据研究中心、大数据团队带头人。研究领域为大数据分析、深度学习、数据挖掘、数据库、数据流(实时数据分析)。博士毕业于 INRIA,France(法国国家信息与自动化研究所),获得优秀博士论文荣誉。2010年08月至2011年3月,在美国加州大学洛杉矶分校(UCLA),计算机系,师从著名的数据库专家Carlo Zaniolo教授,从事数据挖掘领域的合作研究。 2012-2013,挪威科技大学,ERCIM/Marie-Curie Fellow。

图书目录

第1章 人脸识别概述\t1
1.1 广义的人脸识别的1:1、1:N和N:N比对计算模式\t2
1.1.1 人脸验证――1:1相似度对比\t3
1.1.2 人脸检索――1:N相似度比对\t4
1.1.3 N:N人脸相似性计算\t6
1.1.4 人脸检测、人脸识别、人脸检索与1:1、1:N、N:N
人脸相似度计算\t6
1.2 人脸识别技术的应用场景\t7
1.2.1 当前应用\t8
1.2.2 未来应用\t11
1.3 常用数据集介绍\t12
1.3.1 人脸检测数据集\t12
1.3.2 人脸识别数据集\t14
1.3.3 人脸关键点定位数据集\t15
1.3.4 其他数据集\t16
本章参考文献\t17
?
第2章 人脸检测技术的最新进展\t19
2.1 Cascade CNN人脸检测算法\t20
2.2 MTCNN人脸检测算法\t24
2.3 Face R-CNN人脸检测算法\t27
2.4 SSH人脸检测算法\t28
2.5 DSFD人脸检测算法\t32
2.6 本章小结\t35
本章参考文献\t36
第3章 人脸识别技术的最新进展\t38
3.1 DeepID系列人脸识别算法\t39
3.2 FaceNet人脸识别算法\t41
3.3 ArcFace人脸识别算法\t44
本章参考文献\t47
第4章 人脸关键点定位技术的最新进展\t49
4.1 Coarse-to-Fine CNN人脸关键点定位算法\t50
4.2 TCDCN人脸关键点定位算法\t51
4.3 SIR-LAN人脸关键点定位算法\t52
4.4 SAN人脸关键点定位算法\t54
4.5 WingLoss:人脸关键点定位算法的损失函数设计\t55
本章参考文献\t56
第5章 人脸检索技术的最新进展\t57
5.1 人脸检索与人脸识别的相似之处与不同之处\t57
5.2 人脸检索与图像检索的相似之处与不同之处\t58
5.3 基于深度哈希的人脸检索算法\t59
5.4 同时考虑哈希码损失和分类损失的图像检索技术\t61
本章参考文献\t63
第6章 经典的人脸检测算法\t64
6.1 DPM人脸检测算法\t65
6.1.1 DPM人脸检测算法原理\t65
6.1.2 DPM人脸检测算法检测结果\t70
6.2 LAEO人脸检测算法\t71
6.2.1 LAEO人脸检测算法原理\t71
6.2.2 LAEO人脸检测算法检测结果\t74
6.3 Viola & Jones人脸检测算法\t75
6.3.1 Viola & Jones人脸检测算法原理\t75
6.3.2 Viola & Jones人脸检测算法检测结果\t78
本章参考文献\t79
第7章 基于深度学习的人脸检测算法实践\t82
7.1 CNN Facial Point Detection人脸检测算法\t82
7.1.1 CNN Facial Point Detection人脸检测算法原理\t83
7.1.2 CNN Facial Point Detection人脸检测算法检测结果\t83
7.2 DDFD人脸检测算法\t84
7.2.1 DDFD人脸检测算法原理\t85
7.2.2 DDFD人脸检测算法检测结果\t85
7.3 人脸检测算法融合\t86
本章参考文献\t88
第8章 基于Fast R-CNN的人脸检测实践\t90
8.1 Fast R-CNN简介\t90
8.2 Fast R-CNN的特点和结构\t91
8.3 数据集的预处理\t94
8.4 基于Fast R-CNN训练人脸检测模型\t95
8.4.1 训练阶段\t95
8.4.2 测试阶段\t101
本章参考文献\t105
第9章 基于HOG特征的人脸关键点定位实践\t105
9.1 H-GBDT算法介绍\t108
9.2 相关算法介绍\t111
9.2.1 GBDT算法介绍\t111
9.2.2 HOG特征介绍\t113
9.3 H-GBDT人脸关键点定位算法设计\t114
9.4 实验设计\t115
9.4.1 数据集\t115
9.4.2 SO-RF算法和Face++人脸识别系统\t117
9.4.3 实验结果比较\t118
9.5 本章小结\t125
本章参考文献\t126
第10章 人脸识别实践\t125
10.1 DeepID算法\t131
10.1.1 DeepID算法的原理\t132
10.1.2 DeepID算法实现\t133
10.1.3 DeepID算法结果\t146
10.2 VGG Face Descriptor算法\t148
10.2.1 VGG Face Descriptor算法原理\t148
10.2.2 VGG Face Descriptor算法实现\t150
10.2.3 VGG Face Descriptor算法结果\t152
10.3 3种经典的人脸识别算法\t155
10.3.1 EigenFaces算法\t155
10.3.2 FisherFaces算法\t165
10.3.3 LBP算法\t174
10.4 人脸识别算法对比分析\t179
10.5 本章小结\t180
本章参考文献\t181
第11章 人脸检索实践\t177
11.1 人脸检索简介\t185
11.2 计算人脸相似度的方法\t186
11.2.1 欧氏距离\t186
11.2.2 余弦相似度\t188
11.3 图像快速查找算法\t189
11.4 评价人脸检索结果的标准\t190
11.5 PHash算法\t190
11.5.1 PHash算法原理\t190
11.5.2 PHash算法实现\t191
11.5.3 PHash算法的实验数据、实验结果及其分析\t193
11.6 DHash算法\t194
11.6.1 DHash算法原理\t195
11.6.2 DHash算法实现\t195
11.6.3 Dhash算法的实验数据、实验结果及其分析\t197
11.7 PCA算法\t198
11.7.1 PCA算法原理\t198
11.7.2 PCA算法实现\t200
11.7.3 PCA算法的实验数据、实验结果及其分析\t203
11.8 BoF-SIFT算法\t204
11.8.1 BoF-SIFT算法原理\t205
11.8.2 BoF-SIFT算法实现\t205
11.8.3 BoF-SIFT算法的实验数据、实验结果及其分析\t213
11.9 用于图像快速检索的KD-Tree索引\t215
11.9.1 FLANN算法的使用\t215
11.9.2 KD-Tree的创建与查询处理\t215
11.9.3 FLANN中KD-Tree算法的实现\t217
11.9.4 FLANN算法的实验数据、实验结果及其分析\t219
11.10 Gabor算法\t220
11.10.1 Gabor算法原理\t220
11.10.2 Gabor算法实现\t223
11.10.3 Gabor算法的实验数据、实验结果及其分析\t229
11.11 HOG\t231
11.11.1 HOG原理\t231
11.11.2 HOG实现\t232
11.11.3 HOG的实验数据、实验结果及其分析\t234
11.12 基于DeepID的人脸检索\t236
11.12.1 DeepID方法\t236
11.12.2 神经网络结构介绍\t236
11.12.3 DeepID算法的实验数据、实验结果及其分析\t237
11.13 哈希方法和深度哈希方法\t238
本章参考文献\t240
第12章 人脸检测商业软件及其应用示例\t232
12.1 VeriLook\t241
12.2 Face++\t247
12.3 各种算法的对比分析\t250
12.4 视频中的人脸检测与追踪\t253
本章参考文献\t257
?
第13章 GAN与人脸生成\t248
13.1 DCGAN\t259
13.1.1 DCGAN原理\t259
13.1.2 DCGAN判别器和生成器的优化过程\t262
13.1.3 DCGAN训练流程\t263
13.1.4 实验结果\t269
13.2 BEGAN\t270
13.2.1 网络模型结构\t273
13.2.2 BEGAN判别器和生成器优化过程\t275
13.2.3 BEGAN训练流程\t277
13.2.4 实验结果\t286
本章参考文献\t288
后记\t275

本目录推荐