人臉識別算法與案例分析

定　價：￥96.00

作　者：	曹林著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121403927	出版時間：	2021-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	280	字數(shù)：

內(nèi)容簡介

　　本書內(nèi)容豐富，闡述清晰詳盡，文圖結(jié)合緊密，可讀性好，實用性強，主要介紹了人臉識別中的一些算法與案例，主要包括素描人臉識別與人臉合成的研究與應(yīng)用、傳統(tǒng)特征提取算法在素描人臉識別中的應(yīng)用、深度學習在素描人臉識別上的研究與應(yīng)用、傳統(tǒng)素描人臉合成方法、基于生成對抗網(wǎng)絡(luò)的素描人臉合成方法、人臉超分辨率重建方法等內(nèi)容。本書可作為研究人臉識別技術(shù)的參考用書，也可以作為高等院校相關(guān)專業(yè)的本科生和研究生參考書，還可供人臉識別技術(shù)領(lǐng)域工作的工程技術(shù)人員閱讀。

作者簡介

　　曹林，博士，教授，現(xiàn)任北京信息科技大學信息與通信工程學院院長，光電測試技術(shù)及儀器教育部重點實驗室副主任，中國電子教育學會研究生教育分會理事，北京信息科技大學勤信學者，信息與通信工程一級學科碩士點負責人。他先后主持國家自然科學基金面上項目、國防軍工和橫向等課題，近年來，作為項目骨干完成國家科技重大專項專題3項（排名第2、第3和第4），累計承擔科研項目到款約1800多萬元。研究方向：空間信息智能感知與計算、圖像理解與識別和雷達信號處理。近年來發(fā)表學術(shù)論文40余篇，出版學術(shù)著作4部，教材1部，獲北京市科學技術(shù)獎和中國智能交通協(xié)會科學技術(shù)獎等3項科技獎勵（排名第2），產(chǎn)生良好的經(jīng)濟和社會效益，授權(quán)發(fā)明專利6項，計算機軟件著作權(quán)35項，其指導的研究生獲2016年度“中國圖象圖形學報”優(yōu)秀論文獎。

圖書目錄

第1章人臉識別的研究與應(yīng)用 001
1．1 素描人臉識別的研究與應(yīng)用 002
1．1．1 光學人臉識別研究歷程 002
1．1．2 素描人臉識別國內(nèi)外研究現(xiàn)狀 003
1．1．3 素描人臉識別數(shù)據(jù)庫 005
1．1．4 素描人臉識別的難點和發(fā)展趨勢 011
1．2 素描人臉合成的研究與應(yīng)用 011
1．2．1 素描人臉合成的國內(nèi)外研究現(xiàn)狀 012
1．2．2 素描人臉圖像質(zhì)量評估指標 019
1．2．3 素描人臉合成的難點與發(fā)展趨勢 020
1．3 人像著色的研究與應(yīng)用 021
1．3．1 人像著色的國內(nèi)外研究現(xiàn)狀 021
1．3．2 人像著色的難點與發(fā)展趨勢 022
1．4 人臉圖像超分辨率重建技術(shù)的研究與應(yīng)用 022
1．4．1 人臉圖像超分辨率的發(fā)展及國內(nèi)外研究現(xiàn)狀 022
1．4．2 人臉圖像超分辨率重建質(zhì)量評價標準 024
1．4．3 人臉圖像超分辨率重建技術(shù)的難點與發(fā)展趨勢 026
1．5 本章小結(jié) 027
參考文獻 027
第2章傳統(tǒng)特征提取算法在素描人臉識別上的應(yīng)用與研究 036
2．1 傳統(tǒng)素描人臉識別算法相關(guān)原理 037
2．1．1 人臉圖像分割算法 037
2．1．2 人臉特征提取算法 042
2．2 基于Surf匹配坐標鄰域優(yōu)化的素描人臉識別 049
2．2．1 Surf匹配 050
2．2．2 坐標鄰域優(yōu)化 053
2．2．3 識別過程 055
2．2．4 實驗結(jié)果與分析 056
2．3 基于張量排序保留判別分析的人臉特征提取 062
2．3．1 張量排序保留判別投影（TRPDA）模型 064
2．3．2 TRPDA求解算法 068
2．3．3 實驗結(jié)果與分析 072
2．4 本章小結(jié) 081
參考文獻 082
第3章深度學習在素描人臉識別上的應(yīng)用 087
3．1 深度學習相關(guān)原理 087
3．1．1 卷積神經(jīng)網(wǎng)絡(luò)概述 087
3．1．2 主流人臉識別模型框架 089
3．1．3 度量學習 095
3．2 基于聯(lián)合分布適配的素描人臉識別 096
3．2．1 遷移學習 096
3．2．2 模型結(jié)構(gòu) 100
3．2．3 損失函數(shù) 102
3．2．4 實驗結(jié)果與分析 103
3．3 基于殘差網(wǎng)絡(luò)和度量學習的素描人臉識別 106
3．3．1 模型結(jié)構(gòu) 107
3．3．2 損失函數(shù) 108
3．3．3 實驗結(jié)果與分析 109
3．4 基于SE-ResNeXt模型的素描人臉識別 117
3．4．1 SE-ResNeXt網(wǎng)絡(luò)模型 118
3．4．2 損失函數(shù) 120
3．4．3 實驗結(jié)果與分析 121
3．5 本章小結(jié) 127
參考文獻 128
第4章傳統(tǒng)素描人臉合成方法 131
4．1 結(jié)合LBP局部特征提取的素描人臉合成方法 131
4．1．1 歐氏距離粗提取 132
4．1．2 結(jié)合子塊切分的LBP局部特征提取 133
4．1．3 合成過程 134
4．1．4 實驗結(jié)果與分析 137
4．2 結(jié)合pHash稀疏編碼的素描人臉合成方法 141
4．2．1 基于圖像熵的圖像分塊 141
4．2．2 圖像塊的特征提取 145
4．2．3 實驗結(jié)果與分析 150
4．3 本章小結(jié) 157
參考文獻 157
第5章生成對抗網(wǎng)絡(luò)在素描人臉合成中的應(yīng)用 161
5．1 生成對抗網(wǎng)絡(luò)相關(guān)原理 161
5．1．1 生成對抗網(wǎng)絡(luò)模型概述 161
5．1．2 生成對抗網(wǎng)絡(luò)的改進 163
5．2 基于生成對抗網(wǎng)絡(luò)的素描人臉合成方法 169
5．2．1 生成對抗網(wǎng)絡(luò)模型 169
5．2．2 損失函數(shù) 174
5．2．3 實驗結(jié)果與分析 177
5．3 基于雙層對抗網(wǎng)絡(luò)的素描人臉合成方法 185
5．3．1 雙層對抗網(wǎng)絡(luò)模型 186
5．3．2 損失函數(shù) 188
5．3．3 實驗結(jié)果與分析 189
5．4 基于特征學習生成對抗網(wǎng)絡(luò)的高質(zhì)量素描人臉合成方法 194
5．4．1 特征學習生成對抗網(wǎng)絡(luò)模型 194
5．4．2 損失函數(shù) 199
5．4．3 實驗結(jié)果與分析 202
5．5 多判別器循環(huán)生成對抗網(wǎng)絡(luò)的素描人臉合成方法 211
5．5．1 多判別循環(huán)生成對抗網(wǎng)絡(luò)模型 211
5．5．2 損失函數(shù) 215
5．5．3 實驗結(jié)果與分析 216
5．6 本章小結(jié) 223
參考文獻 224
第6章基于聯(lián)合一致循環(huán)生成對抗網(wǎng)絡(luò)的人像著色方法 228
6．1 色彩空間 229
6．2 網(wǎng)絡(luò)結(jié)構(gòu) 229
6．2．1 著色網(wǎng)絡(luò)模型 230
6．2．2 生成網(wǎng)絡(luò) 231
6．2．3 判別網(wǎng)絡(luò) 232
6．3 損失函數(shù) 233
6．3．1 生成對抗損失 233
6．3．2 聯(lián)合一致性損失 234
6．4 實驗結(jié)果與分析 235
6．4．1 數(shù)據(jù)庫及參數(shù)設(shè)置 235
6．4．2 消融實驗 238
6．4．3 和已有方法對比 239
6．5 本章小結(jié) 242
參考文獻 242
第7章人臉超分辨率重建 246
7．1 雙層級聯(lián)神經(jīng)網(wǎng)絡(luò)的人臉超分辨率重建 246
7．1．1 堆疊沙漏塊結(jié)構(gòu) 246
7．1．2 雙層級聯(lián)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu) 248
7．1．3 損失函數(shù) 250
7．1．4 實驗結(jié)果與分析 251
7．2 基于引導圖像的人臉超分辨率重建 256
7．2．1 3DMM人臉擬合 257
7．2．2 基于3DMM的人臉矯正 257
7．2．3 基于引導圖像的人臉超分辨率重建網(wǎng)絡(luò) 258
7．2．4 實驗結(jié)果與分析 261
7．3 本章小結(jié) 267
參考文獻