人工智能：人臉識(shí)別與搜索

定　價(jià)：￥89.00

作　者：	張重生著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：	人工智能出版工程
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥79.50)

ISBN：	9787121383984	出版時(shí)間：	2020-08-01	包裝：	精裝
開本：	16開	頁數(shù)：	300	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　人臉識(shí)別是當(dāng)今的熱門應(yīng)用領(lǐng)域和研發(fā)方向，在安防、金融、公共服務(wù)等領(lǐng)域具有十分廣泛的應(yīng)用。本書全面、系統(tǒng)地介紹“刷臉”背后的技術(shù)，包括人臉檢測(cè)、人臉識(shí)別、人臉關(guān)鍵點(diǎn)定位、人臉檢索相關(guān)的算法和實(shí)現(xiàn)技術(shù)。另外，本書還囊括了前沿的、基于深度學(xué)習(xí)的人臉識(shí)別技術(shù)（2014―2020年）。本書講解的算法具有前沿性和實(shí)用性。通過本書學(xué)習(xí)，學(xué)習(xí)人員能夠在3～5個(gè)月內(nèi)系統(tǒng)地了解、掌握人臉檢測(cè)、人臉識(shí)別、人臉關(guān)鍵點(diǎn)定位、人臉檢索的算法原理與實(shí)戰(zhàn)技術(shù)。本書內(nèi)容新穎、技術(shù)前沿、層次清晰，適合高校教師、研究生、工程師和人臉識(shí)別愛好者使用。

作者簡(jiǎn)介

　　張重生，男，博士，教授，碩士生導(dǎo)師，河南大學(xué)大數(shù)據(jù)研究中心、大數(shù)據(jù)團(tuán)隊(duì)帶頭人。研究領(lǐng)域?yàn)榇髷?shù)據(jù)分析、深度學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)庫、數(shù)據(jù)流（實(shí)時(shí)數(shù)據(jù)分析）。博士畢業(yè)于 INRIA，F(xiàn)rance（法國國家信息與自動(dòng)化研究所），獲得優(yōu)秀博士論文榮譽(yù)。2010年08月至2011年3月，在美國加州大學(xué)洛杉磯分校（UCLA），計(jì)算機(jī)系，師從著名的數(shù)據(jù)庫專家Carlo Zaniolo教授，從事數(shù)據(jù)挖掘領(lǐng)域的合作研究。 2012-2013，挪威科技大學(xué)，ERCIM/Marie-Curie Fellow。

圖書目錄

第1章人臉識(shí)別概述\t1
1．1 廣義的人臉識(shí)別的1：1、1：N和N：N比對(duì)計(jì)算模式\t2
1．1．1 人臉驗(yàn)證――1：1相似度對(duì)比\t3
1．1．2 人臉檢索――1：N相似度比對(duì)\t4
1．1．3 N：N人臉相似性計(jì)算\t6
1．1．4 人臉檢測(cè)、人臉識(shí)別、人臉檢索與1：1、1：N、N：N
人臉相似度計(jì)算\t6
1．2 人臉識(shí)別技術(shù)的應(yīng)用場(chǎng)景\t7
1．2．1 當(dāng)前應(yīng)用\t8
1．2．2 未來應(yīng)用\t11
1．3 常用數(shù)據(jù)集介紹\t12
1．3．1 人臉檢測(cè)數(shù)據(jù)集\t12
1．3．2 人臉識(shí)別數(shù)據(jù)集\t14
1．3．3 人臉關(guān)鍵點(diǎn)定位數(shù)據(jù)集\t15
1．3．4 其他數(shù)據(jù)集\t16
本章參考文獻(xiàn)\t17
?
第2章人臉檢測(cè)技術(shù)的最新進(jìn)展\t19
2．1 Cascade CNN人臉檢測(cè)算法\t20
2．2 MTCNN人臉檢測(cè)算法\t24
2．3 Face R-CNN人臉檢測(cè)算法\t27
2．4 SSH人臉檢測(cè)算法\t28
2．5 DSFD人臉檢測(cè)算法\t32
2．6 本章小結(jié)\t35
本章參考文獻(xiàn)\t36
第3章人臉識(shí)別技術(shù)的最新進(jìn)展\t38
3．1 DeepID系列人臉識(shí)別算法\t39
3．2 FaceNet人臉識(shí)別算法\t41
3．3 ArcFace人臉識(shí)別算法\t44
本章參考文獻(xiàn)\t47
第4章人臉關(guān)鍵點(diǎn)定位技術(shù)的最新進(jìn)展\t49
4．1 Coarse-to-Fine CNN人臉關(guān)鍵點(diǎn)定位算法\t50
4．2 TCDCN人臉關(guān)鍵點(diǎn)定位算法\t51
4．3 SIR-LAN人臉關(guān)鍵點(diǎn)定位算法\t52
4．4 SAN人臉關(guān)鍵點(diǎn)定位算法\t54
4．5 WingLoss：人臉關(guān)鍵點(diǎn)定位算法的損失函數(shù)設(shè)計(jì)\t55
本章參考文獻(xiàn)\t56
第5章人臉檢索技術(shù)的最新進(jìn)展\t57
5．1 人臉檢索與人臉識(shí)別的相似之處與不同之處\t57
5．2 人臉檢索與圖像檢索的相似之處與不同之處\t58
5．3 基于深度哈希的人臉檢索算法\t59
5．4 同時(shí)考慮哈希碼損失和分類損失的圖像檢索技術(shù)\t61
本章參考文獻(xiàn)\t63
第6章經(jīng)典的人臉檢測(cè)算法\t64
6．1 DPM人臉檢測(cè)算法\t65
6．1．1 DPM人臉檢測(cè)算法原理\t65
6．1．2 DPM人臉檢測(cè)算法檢測(cè)結(jié)果\t70
6．2 LAEO人臉檢測(cè)算法\t71
6．2．1 LAEO人臉檢測(cè)算法原理\t71
6．2．2 LAEO人臉檢測(cè)算法檢測(cè)結(jié)果\t74
6．3 Viola ＆ Jones人臉檢測(cè)算法\t75
6．3．1 Viola ＆ Jones人臉檢測(cè)算法原理\t75
6．3．2 Viola ＆ Jones人臉檢測(cè)算法檢測(cè)結(jié)果\t78
本章參考文獻(xiàn)\t79
第7章基于深度學(xué)習(xí)的人臉檢測(cè)算法實(shí)踐\t82
7．1 CNN Facial Point Detection人臉檢測(cè)算法\t82
7．1．1 CNN Facial Point Detection人臉檢測(cè)算法原理\t83
7．1．2 CNN Facial Point Detection人臉檢測(cè)算法檢測(cè)結(jié)果\t83
7．2 DDFD人臉檢測(cè)算法\t84
7．2．1 DDFD人臉檢測(cè)算法原理\t85
7．2．2 DDFD人臉檢測(cè)算法檢測(cè)結(jié)果\t85
7．3 人臉檢測(cè)算法融合\t86
本章參考文獻(xiàn)\t88
第8章基于Fast R-CNN的人臉檢測(cè)實(shí)踐\t90
8．1 Fast R-CNN簡(jiǎn)介\t90
8．2 Fast R-CNN的特點(diǎn)和結(jié)構(gòu)\t91
8．3 數(shù)據(jù)集的預(yù)處理\t94
8．4 基于Fast R-CNN訓(xùn)練人臉檢測(cè)模型\t95
8．4．1 訓(xùn)練階段\t95
8．4．2 測(cè)試階段\t101
本章參考文獻(xiàn)\t105
第9章基于HOG特征的人臉關(guān)鍵點(diǎn)定位實(shí)踐\t105
9．1 H-GBDT算法介紹\t108
9．2 相關(guān)算法介紹\t111
9．2．1 GBDT算法介紹\t111
9．2．2 HOG特征介紹\t113
9．3 H-GBDT人臉關(guān)鍵點(diǎn)定位算法設(shè)計(jì)\t114
9．4 實(shí)驗(yàn)設(shè)計(jì)\t115
9．4．1 數(shù)據(jù)集\t115
9．4．2 SO-RF算法和Face++人臉識(shí)別系統(tǒng)\t117
9．4．3 實(shí)驗(yàn)結(jié)果比較\t118
9．5 本章小結(jié)\t125
本章參考文獻(xiàn)\t126
第10章人臉識(shí)別實(shí)踐\t125
10．1 DeepID算法\t131
10．1．1 DeepID算法的原理\t132
10．1．2 DeepID算法實(shí)現(xiàn)\t133
10．1．3 DeepID算法結(jié)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算法實(shí)現(xiàn)\t150
10．2．3 VGG Face Descriptor算法結(jié)果\t152
10．3 3種經(jīng)典的人臉識(shí)別算法\t155
10．3．1 EigenFaces算法\t155
10．3．2 FisherFaces算法\t165
10．3．3 LBP算法\t174
10．4 人臉識(shí)別算法對(duì)比分析\t179
10．5 本章小結(jié)\t180
本章參考文獻(xiàn)\t181
第11章人臉檢索實(shí)踐\t177
11．1 人臉檢索簡(jiǎn)介\t185
11．2 計(jì)算人臉相似度的方法\t186
11．2．1 歐氏距離\t186
11．2．2 余弦相似度\t188
11．3 圖像快速查找算法\t189
11．4 評(píng)價(jià)人臉檢索結(jié)果的標(biāo)準(zhǔn)\t190
11．5 PHash算法\t190
11．5．1 PHash算法原理\t190
11．5．2 PHash算法實(shí)現(xiàn)\t191
11．5．3 PHash算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)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算法實(shí)現(xiàn)\t195
11．6．3 Dhash算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)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算法實(shí)現(xiàn)\t200
11．7．3 PCA算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)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算法實(shí)現(xiàn)\t205
11．8．3 BoF-SIFT算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)果及其分析\t213
11．9 用于圖像快速檢索的KD-Tree索引\t215
11．9．1 FLANN算法的使用\t215
11．9．2 KD-Tree的創(chuàng)建與查詢處理\t215
11．9．3 FLANN中KD-Tree算法的實(shí)現(xiàn)\t217
11．9．4 FLANN算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)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算法實(shí)現(xiàn)\t223
11．10．3 Gabor算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)果及其分析\t229
11．11 HOG\t231
11．11．1 HOG原理\t231
11．11．2 HOG實(shí)現(xiàn)\t232
11．11．3 HOG的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)果及其分析\t234
11．12 基于DeepID的人臉檢索\t236
11．12．1 DeepID方法\t236
11．12．2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)介紹\t236
11．12．3 DeepID算法的實(shí)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)結(jié)果及其分析\t237
11．13 哈希方法和深度哈希方法\t238
本章參考文獻(xiàn)\t240
第12章人臉檢測(cè)商業(yè)軟件及其應(yīng)用示例\t232
12．1 VeriLook\t241
12．2 Face++\t247
12．3 各種算法的對(duì)比分析\t250
12．4 視頻中的人臉檢測(cè)與追蹤\t253
本章參考文獻(xiàn)\t257
?
第13章 GAN與人臉生成\t248
13．1 DCGAN\t259
13．1．1 DCGAN原理\t259
13．1．2 DCGAN判別器和生成器的優(yōu)化過程\t262
13．1．3 DCGAN訓(xùn)練流程\t263
13．1．4 實(shí)驗(yàn)結(jié)果\t269
13．2 BEGAN\t270
13．2．1 網(wǎng)絡(luò)模型結(jié)構(gòu)\t273
13．2．2 BEGAN判別器和生成器優(yōu)化過程\t275
13．2．3 BEGAN訓(xùn)練流程\t277
13．2．4 實(shí)驗(yàn)結(jié)果\t286
本章參考文獻(xiàn)\t288
后記\t275