深度学习之人脸图像处理(核心算法与案例实战)
①全新正版，现货速发，7天无理由退换货②天津、成都、无锡、广东等多仓就近发货，订单最迟48小时内发出③无法指定快递④可开电子发票，不清楚的请咨询客服。
￥ 83.85 7.0折 ￥ 119 全新
仅1件
浙江嘉兴
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
装帧平装
开本16开
定价119元
货号30928686
上书时间2024-10-14
- 在售商品 暂无
- 平均发货时间 17小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
言有三，真名龙鹏。2012年本科毕业于华中科技大学，后保研至中国科学院并于2015年毕业。先后在奇虎360人工智能研究院和陌陌深度学习实验室从事与计算机视觉相关的工作，积累了丰富的传统图像处理算法和深度学习项目实战经验。运营微信公众号“有三AI”，内容覆盖深度学习的理论、实战经验、开源框架、模型架构，以及深度学习在各应用领域的技术分析，还提供靠前外AI研究院的核心技术报导及AI工程师成长路线的完整规划。在知乎上开设专栏《有三AI学院》和其他子方向专栏。在GitChat和网易云课堂上开设若干图文和视频课程。
目录
前言
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 最优化方法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 3DMM294
10.2.3 Shape from Shading297
10.2.4 Structure from Motion298
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
内容摘要
本书全面、系统地介绍了深度学习技术在人脸图像处理领域中的应用。书中不但有人脸图像处理算法的详细介绍，更有实际案例带领读者上手练习。
本书共11章，第1章介绍了人脸图像与特征基础；第2章介绍了深度学习的基础知识；第3章介绍了人脸数据集；第4章介绍了人脸检测技术；第5章介绍了人脸关键点检测；第6章介绍了人脸识别技术；第7章介绍了人脸属性识别；第8章介绍了人脸属性分割技术；第9章介绍了人脸美颜与美妆；第10章介绍了人脸三维重建；第11章介绍了人脸属性编辑。
本书适合计算机视觉领域中人脸图像处理从业人员和爱好者阅读，也适深度学习算法爱好者阅读。
— 没有更多了 —
以下为对购买帮助不大的评价