消息 首页 搜索 举报
  • 深度学习之人脸图像处理:核心算法与案例实战 言有三 机械工业出版社 9787111660255 正版旧书
21年品牌 40万+商家 超1.5亿件商品

深度学习之人脸图像处理:核心算法与案例实战 言有三 机械工业出版社 9787111660255 正版旧书

正版旧书 里面部分笔记 内容完好 可正常使用 旧书不附带光盘

￥ 21.37 八五品

库存8件

江西南昌
认证卖家担保交易快速发货售后保障

作者言有三

出版社机械工业出版社

ISBN9787111660255

出版时间2020-07

装帧线装

页数384页

货号4447804

上书时间2024-04-16

辉煌二手教材专营店

七年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：八五品
商品描述
温馨提示：亲！旧书库存变动比较快，有时难免会有断货的情况，为保证您的利益，拍前请务必联系卖家咨询库存情况！谢谢！
书名：深度学习之人脸图像处理:核心算法与案例实战
编号：4447804
ISBN：9787111660255[十位:]
作者：言有三
出版社：机械工业出版社
出版日期：2020年07月
页数：384
定价：119.00 元
参考重量：0.700Kg
-------------------------
新旧程度：6-9成新左右，不影响阅读，详细情况请咨询店主
如图书附带、磁带、学习卡等请咨询店主是否齐全* 图书目录 *
第1章 人脸图像与特征基础 1 1.1 人脸图像基础 1 1.1.1 人脸图像的特点 1 1.1.2 人脸图像的应用 2 1.2 人脸特征基础 2 1.2.1 几何特征 3 1.2.2 颜(肤)色特征 3 1.2.3 纹理特征 5 1.3 人脸图像工程常用的机器学习算法 8 1.3.1 SVM简介 8 1.3.2 AdaBoost简介 12 第2章 深度学习基础 15 2.1 神经网络 15 2.1.1 神经元模型 15 2.1.2 感知机 16 2.1.3 BP算法 17 2.2 卷积神经网络基础 20 2.2.1 卷积操作 20 2.2.2 反卷积操作 21 2.2.3 卷积神经网络的基本概念 22 2.2.4 卷积神经网络的核心思想 24 2.2.5 卷积神经网络基本结构配置 25 2.3 深度学习优化基础 28 2.3.1 激活模型与常用激活函数 29 2.3.2 参数初始化方法 35 2.3.3 归一化方法 37 2.3.4 池化 42 2.3.5 *优化方法 43 2.3.6 学习率策略 47 2.3.7 正则化方法 50 2.4 深度学习主流开源框架介绍 53 2.4.1 Caffe简介 54 2.4.2 TensorFlow简介 54 2.4.3 PyTorch简介 55 2.4.4 Theano简介 56 2.4.5 Keras简介 56 2.4.6 MXNet简介 57 2.4.7 Chainer简介 57 参考文献 58 第3章 人脸数据集 60 3.1 人脸检测数据集 60 3.1.1 通用人脸检测数据集 60 3.1.2 复杂人脸检测数据集 62 3.2 关键点检测数据集 63 3.3 人脸识别数据集 65 3.3.1 人脸识别图像数据集 65 3.3.2 人脸识别视频数据集 69 3.3.3 三维人脸识别数据集 69 3.3.4 人脸识别其他数据集 70 3.4 人脸属性分析数据集 70 3.4.1 通用人脸属性分析数据集 70 3.4.2 人脸表情数据集 71 3.4.3 人脸年龄与性别数据集 73 3.4.4 人脸分割数据集 74 3.4.5 人脸颜值数据集 76 3.4.6 人脸妆造数据集 76 3.5 人脸姿态与3D数据集 77 3.5.1 人脸姿态数据集 77 3.5.2 人脸三维重建数据集 78 3.6 人脸活体与伪造数据集 79 3.6.1 人脸活体数据集 79 3.6.2 人脸伪造数据集 81 3.7 人脸风格化数据集 81 第4章 人脸检测 83 4.1 目标检测基础 83 4.1.1 目标检测基本流程 83 4.1.2 选择检测窗口 84 4.1.3 提取图像特征 84 4.1.4 设计分类器 85 4.2 经典人脸检测算法 86 4.2.1 人脸检测问题 87 4.2.2 人脸肤色模型 87 4.2.3 人脸形状模型与模板匹配 88 4.2.4 特征分类算法 88 4.2.5 DPM方法 91 4.3 深度学习通用目标检测方法 93 4.3.1 OverFeat方法 94 4.3.2 Selective search与R-CNN方法 94 4.3.3 SPPNet与Fast R-CNN方法 96 4.3.4 Faster R-CNN与R-FCN方法 99 4.3.5 YOLO方法 101 4.3.6 SSD方法 104 4.3.7 基于角点的检测方法 105 4.3.8 目标检测中的几个关键技术和难点 106 4.4 深度学习人脸检测核心技术 109 4.4.1 人脸组件算法 109 4.4.2 级联检测算法 110 4.4.3 多尺度人脸检测算法 114 4.4.4 遮挡人脸检测算法 118 4.4.5 活体与伪造人脸检测算法 119 4.5 实战Faster R-CNN人脸检测 120 4.5.1 项目背景 120 4.5.2 py-faster-rcnn框架解读 120 4.5.3 模型定义与分析 134 4.5.4 模型训练 143 4.5.5 模型测试 144 参考文献 146 第5章 人脸关键点检测 149 5.1 关键点检测基础 149 5.1.1 关键点的定义 149 5.1.2 关键点的点数发展 150 5.1.3 关键点检测算法评价 153 5.1.4 人脸姿态 154 5.2 传统人脸关键点检测方法 154 5.2.1 ASM、AAM与CLM算法 155 5.2.2 级联形状回归算法 157 5.3 深度学习方法 158 5.3.1 级联框架 158 5.3.2 多任务联合框架 160 5.3.3 遮挡与大姿态问题 162 5.4 实时人脸关键点检测实践 163 5.4.1 数据集和基准模型 163 5.4.2 模型训练 164 5.4.3 模型测试 169 5.5 小结 171 参考文献 171 第6章 人脸识别 173 6.1 人脸识别基础 173 6.1.1 人脸识别基本流程 173 6.1.2 人脸识别评估 173 6.1.3 传统人脸识别特征 174 6.2 深度学习人脸识别核心技术 177 6.2.1 度量学习 177 6.2.2 多类别分类学习 180 6.2.3 人脸分类优化目标的发展 182 6.3 人脸识别算法面临的挑战和未来 186 6.3.1 遮挡人脸识别 186 6.3.2 跨姿态人脸识别 187 6.3.3 跨年龄人脸识别 188 6.3.4 妆造不变人脸识别 189 6.3.5 异质源人脸识别 190 6.3.6 其他问题 190 6.3.7 小结 191 6.4 实战人脸识别模型训练 192 6.4.1 数据准备与接口封装 192 6.4.2 模型训练 198 6.4.3 模型测试 204 6.4.4 小结 208 参考文献 208 第7章 人脸属性识别 211 7.1 人脸性别识别 211 7.1.1 人脸性别识别方法 211 7.1.2 人脸性别识别发展与挑战 212 7.2 人脸颜值与脸型识别 212 7.2.1 平均脸和脸型分类 212 7.2.2 人脸颜值与脸型特征 213 7.2.3 应用和挑战 214 7.3 人脸年龄识别 214 7.3.1 人脸年龄估计模型 215 7.3.2 传统年龄估计方法 216 7.3.3 深度学习年龄估计方法 216 7.3.4 小结 218 7.4 人脸表情识别 218 7.4.1 概述 218 7.4.2 传统表情识别算法 219 7.4.3 深度学习方法 221 7.4.4 挑战与展望 222 7.5 人脸属性识别项目实践 223 7.5.1 表情识别 223 7.5.2 年龄识别 229 7.5.3 总结 233 参考文献 234 第8章 人脸属性分割 236 8.1 图像分割的基础与人脸属性分割的应用 236 8.1.1 图像分割的含义 236 8.1.2 经典的图像分割方法 236 8.1.3 人脸属性分割的应用 238 8.2 深度学习图像分割核心技术 239 8.2.1 反卷积 239 8.2.2 图像分割经典模型 241 8.2.3 感受野控制、上下文信息与多尺度结构 243 8.2.4 图像分割后处理技术 246 8.2.5 图像分割中的难题 247 8.3 轻量级人脸分割项目实践 248 8.3.1 数据集与基准模型 249 8.3.2 模型训练与测试 250 8.3.3 小结 254 参考文献 255 第9章 人脸美颜与美妆 257 9.1 美颜基础和应用场景 257 9.1.1 五官重塑 257 9.1.2 磨皮、美白与肤质调整 258 9.1.3 上妆 258 9.2 基于滤波与变形的传统美颜算法 259 9.2.1 基于变形的五官重塑 259 9.2.2 基于滤波的磨皮算法 261 9.2.3 基于肤色模型的美白与肤质调整算法 263 9.2.4 小结 264 9.3 妆造迁移算法 264 9.3.1 传统妆造迁移算法 264 9.3.2 深度学习算法 266 9.4 妆造迁移算法实战 270 9.4.1 项目解读 270 9.4.2 模型训练 282 9.4.3 模型测试 284 参考文献 286 第10章 人脸三维重建 287 10.1 三维重建基础 287 10.1.1 常见三维重建技术 287 10.1.2 人脸三维重建的特点和难点 288 10.1.3 人脸三维重建基础技术 289 10.2 传统三维人脸重建技术 290 10.2.1 多目立体视觉匹配 290 10.2.2 3DMM 294 10.2.3 Shape from Shading 297 10.2.4 Structure from Motion 298 10.3 深度学习三维人脸重建 298 10.3.1 基于3DMM的方法 298 10.3.2 基于端到端的通用模型 300 10.3.3 三维人脸重建的难点 301 10.4 深度学习三维人脸重建实践 302 10.4.1 BFM模型的使用 302 10.4.2 基于BFM模型的常见三维特征 315 10.4.3 PRNet三维重建 318 10.4.4 小结 324 参考文献 325 第11章 人脸属性编辑 327 11.1 人脸属性编辑基础 327 11.1.1 人脸属性编辑应用 327 11.1.2 基于模型的人脸编辑 329 11.2 深度学习人脸属性编辑方法 329 11.2.1 GAN基础 330 11.2.2 图像风格化 334 11.2.3 表情编辑算法 336 11.2.4 年龄编辑算法 338 11.2.5 姿态编辑算法 339 11.2.6 人脸风格化算法 341 11.2.7 换脸算法 344 11.2.8 统一的人脸属性编辑框架 345 11.2.9 小结 347 11.3 实战人脸动画头像风格化 347 11.3.1 项目解读 348 11.3.2 模型训练 358 11.3.3 模型测试 358 参考文献 361
  • 深度学习之人脸图像处理:核心算法与案例实战 言有三 机械工业出版社 9787111660255 正版旧书

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP