人工智能:人臉識別與搜索

張重生

  • 出版商: 電子工業
  • 出版日期: 2020-08-01
  • 定價: $534
  • 售價: 8.5$454
  • 語言: 簡體中文
  • 頁數: 300
  • 裝訂: 精裝
  • ISBN: 7121383985
  • ISBN-13: 9787121383984
  • 相關分類: 人工智慧DeepLearningComputer Vision
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

人臉識別是當今的熱門應用領域和研發方向,在安防、金融、公共服務等領域具有十分廣泛的應用。
本書全面、系統地介紹“刷臉”背後的技術,包括人臉檢測、人臉識別、人臉關鍵點定位、人臉檢索相關的算法和實現技術。
另外,本書還囊括了前沿的、基於深度學習的人臉識別技術(2014―2020年)。
本書講解的算法具有前沿性和實用性。
通過本書學習,學習人員能夠在3~5個月內系統地了解、掌握人臉檢測、人臉識別、人臉關鍵點定位、人臉檢索的算法原理與實戰技術。
本書內容新穎、技術前沿、層次清晰,適合高校教師、研究生、工程師和人臉識別愛好者使用。

作者簡介

張重生

男,博士,教授,碩士生導師,河南大學大數據研究中心、大數據團隊帶頭人。
研究領域為大數據分析、深度學習、數據挖掘、數據庫、數據流(實時數據分析)。
博士畢業於INRIA,France(法國國家信息與自動化研究所),獲得優秀博士論文榮譽。
2010年08月至2011年3月,在美國加州大學洛杉磯分校(UCLA),計算機系,
師從著名的數據庫專家Carlo Zaniolo教授,從事數據挖掘領域的合作研究。
2012-2013,挪威科技大學,ERCIM/Marie-Curie Fellow。

目錄大綱

第1章人臉識別概述1
1.1廣義的人臉識別的1:1、1:N和N:N比對計算模式2
1.1.1人臉驗證――1:1相似度對比3
1.1.2人臉檢索――1:N相似度比對4
1.1.3 N:N人臉相似性計算6
1.1.4人臉檢測、人臉識別、人臉檢索與1 :1、1:N、N:N
人臉相似度計算6
1.2人臉識別技術的應用場景7
1.2.1當前應用8
1.2.2未來應用11
1.3常用數據集介紹12
1.3.1人臉檢測數據集12
1.3.2人臉識別數據集14
1.3.3人臉關鍵點定位數據集15
1.3.4其他數據集16
本章參考文獻17

第2章人臉檢測技術的最新進展19
2.1 Cascade CNN人臉檢測算法20
2.2 MTCNN人臉檢測算法24
2.3 Face R-CNN人臉檢測算法27
2.4 SSH人臉檢測算法28
2.5 DSFD人臉檢測算法32
2.6本章小結35
本章參考文獻36

第3章人臉識別技術的最新進展38
3.1 DeepID系列人臉識別算法39
3.2 FaceNet人臉識別算法41
3.3 ArcFace人臉識別算法44
本章參考文獻47

第4章人臉關鍵點定位技術的最新進展49
4.1 Coarse-to-Fine CNN人臉關鍵點定位算法50
4.2 TCDCN人臉關鍵點定位算法51
4.3 SIR-LAN人臉關鍵點定位算法52
4.4 SAN人臉關鍵點定位算法54
4.5 WingLoss:人臉關鍵點定位算法的損失函數設計55
本章參考文獻56

第5章人臉檢索技術的最新進展57
5.1人臉檢索與人臉識別的相似之處與不同之處57
5.2人臉檢索與圖像檢索的相似之處與不同之處58
5.3基於深度哈希的人臉檢索算法59
5.4同時考慮哈希碼損失和分類損失的圖像檢索技術61
本章參考文獻63

第6章經典的人臉檢測算法64
6.1 DPM人臉檢測算法65
6. 1.1 DPM人臉檢測算法原理65
6.1.2 DPM人臉檢測算法檢測結果70
6.2 LAEO人臉檢測算法71
6.2.1 LAEO人臉檢測算法原理71
6.2.2 LAEO人臉檢測算法檢測結果74
6.3 Viola & Jones人臉檢測算法75
6.3.1 Viola & Jones人臉檢測算法原理75
6.3.2 Viola & Jones人臉檢測算法檢測結果78
本章參考文獻79

第7章基於深度學習的人臉檢測算法實踐82
7.1 CNN Facial Point Detection人臉檢測算法82
7.1.1 CNN Facial Point Detection人臉檢測算法原理83
7.1.2 CNN Facial Point Detection人臉檢測算法檢測結果83
7.2 DDFD人臉檢測算法84
7.2.1 DDFD人臉檢測算法原理85
7.2. 2 DDFD人臉檢測算法檢測結果85
7.3人臉檢測算法融合86
本章參考文獻88

第8章基於Fast R-CNN的人臉檢測實踐90
8.1 Fast R-CNN簡介90
8.2 Fast R -CNN的特點和結構91
8.3數據集的預處理94
8.4基於Fast R-CNN訓練人臉檢測模型95
8.4.1訓練階段95
8.4.2測試階段101
本章參考文獻105

第9章基於HOG特徵的人臉關鍵點定位實踐105
9.1 H-GBDT算法介紹108
9.2相關算法介紹111
9.2.1 GBDT算法介紹111
9.2.2 HOG特徵介紹113
9.3 H-GBDT人臉關鍵點定位算法設計114
9.4實驗設計115
9.4.1數據集115
9.4.2 SO-RF算法和Face++人臉識別系統117
9.4.3實驗結果比較118
9.5本章小結125
本章參考文獻126

第10章人臉識別實踐125
10.1 DeepID算法131
10.1.1 DeepID算法的原理132
10.1.2 DeepID算法實現133
10.1. 3 DeepID算法結果146
10.2 VGG Face Descriptor算法148
10.2.1 VGG Face Descriptor算法原理148
10.2.2 VGG Face Descriptor算法實現150
10.2.3 VGG Face Descriptor算法結果152
10.3 3種經典的人臉識別算法155
10.3.1 EigenFaces算法155
10.3.2 FisherFaces算法165
10.3.3 LBP算法174
10.4人臉識別算法對比分析179
10.5本章小結180
本章參考文獻181

第11章人臉檢索實踐177
11.1人臉檢索簡介185
11.2計算人臉相似度的方法186
11.2.1歐氏距離186
11.2.2餘弦相似度188
11.3圖像快速查找算法189
11.4評價人臉檢索結果的標準190
11. 5 PHash算法190
11.5.1 PHash算法原理190
11.5.2 PHash算法實現191
11.5.3 PHash算法的實驗數據、實驗結果及其分析193
11.6 DHash算法194
11.6.1 DHash算法原理195
11.6.2 DHash算法實現195
11.6.3 Dhash算法的實驗數據、實驗結果及其分析197
11.7 PCA算法198
11.7.1 PCA算法原理198
11.7.2 PCA算法實現200
11.7.3 PCA算法的實驗數據、實驗結果及其分析203
11.8 BoF-SIFT算法204
11.8.1 BoF-SIFT算法原理205
11.8.2 BoF-SIFT算法實現205
11.8.3 BoF-SIFT算法的實驗數據、實驗結果及其分析213
11.9用於圖像快速檢索的KD-Tree索引215
11.9.1 FLANN算法的使用215
11.9.2 KD -Tree的創建與查詢處理215
11.9.3 FLANN中KD-Tree算法的實現217
11.9.4 FLANN算法的實驗數據、實驗結果及其分析219
11.10 Gabor算法220
11.10.1 Gabor算法原理220
11.10. 2 Gabor算法實現223
11.10.3 Gabor算法的實驗數據、實驗結果及其分析229
11.11 HOG 231
11.11.1 HOG原理231
11.11.2 HOG實現232
11.11.3 HOG的實驗數據、實驗結果及其分析234
11.12基於DeepID的人臉檢索236
11.12.1 DeepID方法236
11.12.2神經網絡結構介紹236
11.12.3 DeepID算法的實驗數據、實驗結果及其分析237
11.13哈希方法和深度哈希方法238
本章參考文獻240

第12章人臉檢測商業軟件及其應用示例232
12.1 VeriLook 241
12.2 Face++ 247
12.3各種算法的對比分析250
12.4視頻中的人臉檢測與追踪253
本章參考文獻257

第13章GAN與人臉生成248
13.1 DCGAN 259
13.1.1 DCGAN原理259
13.1.2 DCGAN判別器和生成器的優化過程262
13.1.3 DCGAN訓練流程263
13.1.4實驗結果269
13.2 BEGAN 270
13.2.1網絡模型結構273
13.2. 2 BEGAN判別器和生成器優化過程275
13.2.3 BEGAN訓練流程277
13.2.4實驗結果286
本章參考文獻288
後記275