人工智能:人脸识别与搜索

人工智能:人脸识别与搜索
作 者: 张重生
出版社: 电子工业出版社
丛编项: 人工智能出版工程
版权说明: 本书为出版图书,暂不支持在线阅读,请支持正版图书
标 签: 暂缺
ISBN 出版时间 包装 开本 页数 字数
未知 暂无 暂无 未知 0 暂无

作者简介

  张重生,男,博士,教授,硕士生导师,河南大学大数据研究中心、大数据团队带头人。研究领域为大数据分析、深度学习、数据挖掘、数据库、数据流(实时数据分析)。博士毕业于 INRIA,France(法国国家信息与自动化研究所),获得优秀博士论文荣誉。2010年08月至2011年3月,在美国加州大学洛杉矶分校(UCLA),计算机系,师从著名的数据库专家Carlo Zaniolo教授,从事数据挖掘领域的合作研究。 2012-2013,挪威科技大学,ERCIM/Marie-Curie Fellow。

内容简介

人脸识别是当今的热门应用领域和研发方向,在安防、金融、公共服务等领域具有十分广泛的应用。本书全面、系统地介绍“刷脸”背后的技术,包括人脸检测、人脸识别、人脸关键点定位、人脸检索相关的算法和实现技术。另外,本书还囊括了前沿的、基于深度学习的人脸识别技术(2014―2020年)。本书讲解的算法具有前沿性和实用性。通过本书学习,学习人员能够在3~5个月内系统地了解、掌握人脸检测、人脸识别、人脸关键点定位、人脸检索的算法原理与实战技术。本书内容新颖、技术前沿、层次清晰,适合高校教师、研究生、工程师和人脸识别爱好者使用。

图书目录

第1章 人脸识别概述\t1

1.1 广义的人脸识别的1:1、1:N和N:N比对计算模式\t2

1.1.1 人脸验证――1:1相似度对比\t3

1.1.2 人脸检索――1:N相似度比对\t4

1.1.3 N:N人脸相似性计算\t6

1.1.4 人脸检测、人脸识别、人脸检索与1:1、1:N、N:N

人脸相似度计算\t6

1.2 人脸识别技术的应用场景\t7

1.2.1 当前应用\t8

1.2.2 未来应用\t11

1.3 常用数据集介绍\t12

1.3.1 人脸检测数据集\t12

1.3.2 人脸识别数据集\t14

1.3.3 人脸关键点定位数据集\t15

1.3.4 其他数据集\t16

本章参考文献\t17

?

第2章 人脸检测技术的最新进展\t19

2.1 Cascade CNN人脸检测算法\t20

2.2 MTCNN人脸检测算法\t24

2.3 Face R-CNN人脸检测算法\t27

2.4 SSH人脸检测算法\t28

2.5 DSFD人脸检测算法\t32

2.6 本章小结\t35

本章参考文献\t36

第3章 人脸识别技术的最新进展\t38

3.1 DeepID系列人脸识别算法\t39

3.2 FaceNet人脸识别算法\t41

3.3 ArcFace人脸识别算法\t44

本章参考文献\t47

第4章 人脸关键点定位技术的最新进展\t49

4.1 Coarse-to-Fine CNN人脸关键点定位算法\t50

4.2 TCDCN人脸关键点定位算法\t51

4.3 SIR-LAN人脸关键点定位算法\t52

4.4 SAN人脸关键点定位算法\t54

4.5 WingLoss:人脸关键点定位算法的损失函数设计\t55

本章参考文献\t56

第5章 人脸检索技术的最新进展\t57

5.1 人脸检索与人脸识别的相似之处与不同之处\t57

5.2 人脸检索与图像检索的相似之处与不同之处\t58

5.3 基于深度哈希的人脸检索算法\t59

5.4 同时考虑哈希码损失和分类损失的图像检索技术\t61

本章参考文献\t63

第6章 经典的人脸检测算法\t64

6.1 DPM人脸检测算法\t65

6.1.1 DPM人脸检测算法原理\t65

6.1.2 DPM人脸检测算法检测结果\t70

6.2 LAEO人脸检测算法\t71

6.2.1 LAEO人脸检测算法原理\t71

6.2.2 LAEO人脸检测算法检测结果\t74

6.3 Viola & Jones人脸检测算法\t75

6.3.1 Viola & Jones人脸检测算法原理\t75

6.3.2 Viola & Jones人脸检测算法检测结果\t78

本章参考文献\t79

第7章 基于深度学习的人脸检测算法实践\t82

7.1 CNN Facial Point Detection人脸检测算法\t82

7.1.1 CNN Facial Point Detection人脸检测算法原理\t83

7.1.2 CNN Facial Point Detection人脸检测算法检测结果\t83

7.2 DDFD人脸检测算法\t84

7.2.1 DDFD人脸检测算法原理\t85

7.2.2 DDFD人脸检测算法检测结果\t85

7.3 人脸检测算法融合\t86

本章参考文献\t88

第8章 基于Fast R-CNN的人脸检测实践\t90

8.1 Fast R-CNN简介\t90

8.2 Fast R-CNN的特点和结构\t91

8.3 数据集的预处理\t94

8.4 基于Fast R-CNN训练人脸检测模型\t95

8.4.1 训练阶段\t95

8.4.2 测试阶段\t101

本章参考文献\t105

第9章 基于HOG特征的人脸关键点定位实践\t105

9.1 H-GBDT算法介绍\t108

9.2 相关算法介绍\t111

9.2.1 GBDT算法介绍\t111

9.2.2 HOG特征介绍\t113

9.3 H-GBDT人脸关键点定位算法设计\t114

9.4 实验设计\t115

9.4.1 数据集\t115

9.4.2 SO-RF算法和Face++人脸识别系统\t117

9.4.3 实验结果比较\t118

9.5 本章小结\t125

本章参考文献\t126

第10章 人脸识别实践\t125

10.1 DeepID算法\t131

10.1.1 DeepID算法的原理\t132

10.1.2 DeepID算法实现\t133

10.1.3 DeepID算法结果\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算法实现\t150

10.2.3 VGG Face Descriptor算法结果\t152

10.3 3种经典的人脸识别算法\t155

10.3.1 EigenFaces算法\t155

10.3.2 FisherFaces算法\t165

10.3.3 LBP算法\t174

10.4 人脸识别算法对比分析\t179

10.5 本章小结\t180

本章参考文献\t181

第11章 人脸检索实践\t177

11.1 人脸检索简介\t185

11.2 计算人脸相似度的方法\t186

11.2.1 欧氏距离\t186

11.2.2 余弦相似度\t188

11.3 图像快速查找算法\t189

11.4 评价人脸检索结果的标准\t190

11.5 PHash算法\t190

11.5.1 PHash算法原理\t190

11.5.2 PHash算法实现\t191

11.5.3 PHash算法的实验数据、实验结果及其分析\t193

11.6 DHash算法\t194

11.6.1 DHash算法原理\t195

11.6.2 DHash算法实现\t195

11.6.3 Dhash算法的实验数据、实验结果及其分析\t197

11.7 PCA算法\t198

11.7.1 PCA算法原理\t198

11.7.2 PCA算法实现\t200

11.7.3 PCA算法的实验数据、实验结果及其分析\t203

11.8 BoF-SIFT算法\t204

11.8.1 BoF-SIFT算法原理\t205

11.8.2 BoF-SIFT算法实现\t205

11.8.3 BoF-SIFT算法的实验数据、实验结果及其分析\t213

11.9 用于图像快速检索的KD-Tree索引\t215

11.9.1 FLANN算法的使用\t215

11.9.2 KD-Tree的创建与查询处理\t215

11.9.3 FLANN中KD-Tree算法的实现\t217

11.9.4 FLANN算法的实验数据、实验结果及其分析\t219

11.10 Gabor算法\t220

11.10.1 Gabor算法原理\t220

11.10.2 Gabor算法实现\t223

11.10.3 Gabor算法的实验数据、实验结果及其分析\t229

11.11 HOG\t231

11.11.1 HOG原理\t231

11.11.2 HOG实现\t232

11.11.3 HOG的实验数据、实验结果及其分析\t234

11.12 基于DeepID的人脸检索\t236

11.12.1 DeepID方法\t236

11.12.2 神经网络结构介绍\t236

11.12.3 DeepID算法的实验数据、实验结果及其分析\t237

11.13 哈希方法和深度哈希方法\t238

本章参考文献\t240

第12章 人脸检测商业软件及其应用示例\t232

12.1 VeriLook\t241

12.2 Face++\t247

12.3 各种算法的对比分析\t250

12.4 视频中的人脸检测与追踪\t253

本章参考文献\t257

?

第13章 GAN与人脸生成\t248

13.1 DCGAN\t259

13.1.1 DCGAN原理\t259

13.1.2 DCGAN判别器和生成器的优化过程\t262

13.1.3 DCGAN训练流程\t263

13.1.4 实验结果\t269

13.2 BEGAN\t270

13.2.1 网络模型结构\t273

13.2.2 BEGAN判别器和生成器优化过程\t275

13.2.3 BEGAN训练流程\t277

13.2.4 实验结果\t286

本章参考文献\t288

后记\t275