0人評分過此書
本書收錄於此書展...
本书共10章，大致分为3部分。第1部分(第1~3章)为人工智能项目入门阶段，以遮挡人脸图像采集、去噪滤波等技术为例，演示了项目数据的采集和预处理技术。第2部分(第4~7章)为人工智能项目探索阶段，以遮挡人脸图像分割、区域生长、智能变换及边缘提取等技术为例，重现了项目实战前的探索过程。第3部分(第8~10章)为人工智能项目实战阶段，以遮挡人脸识别技术的最终实现为例，进一步演示了遮挡人脸智能融合、遮挡人脸深度学习、遮挡人脸智能识别等问题的分级探索、尝试及实战细节。
- 封面页
- 书名页
- 版权页
- 内容简介
- 主编简介
-
前言PREFACE
-
本书特色
-
致谢
-
- 目录
-
第1章 项目入门阶段一
-
1.1 最初的思考
-
1.2 研究平台架构
-
1.2.1 系统设计需求
-
1.2.2 系统设计方案
-
-
1.3 数据采集原理
-
1.3.1 确定取景范围
-
1.3.2 低通采样原理
-
1.3.3 数字信号重建
-
-
1.4 开发界面设计
-
1.4.1 基本信息获取
-
1.4.2 功能面板组成
-
1.4.3 界面设计过程
-
-
1.5 智能采集系统
-
1.5.1 图形用户界面
-
1.5.2 技术模块演示
-
-
1.6 小结
-
参考文献
-
-
第2章 项目入门阶段二
-
2.1 不完美的智能
-
2.2 噪声处理算法
-
2.2.1 均值滤波去噪
-
2.2.2 中值滤波去噪
-
2.2.3 小波软阈值去噪
-
2.2.4 小波硬阈值去噪
-
2.2.5 轮廓波阈值去噪
-
-
2.3 模块化设计与调试
-
2.3.1 技术模块布局
-
2.3.2 技术模块演示
-
2.3.3 核心代码
-
-
2.4 小结
-
参考文献
-
-
第3章 项目入门阶段三
-
3.1 进一步的思考
-
3.2 从局部到非局部
-
3.2.1 非局部滤波算法原理
-
3.2.2 存在的不足
-
3.2.3 算法改进思路
-
-
3.3 应用探索和尝试
-
3.3.1 运动目标检测
-
3.3.2 算法设计思想
-
3.3.3 算法设计过程
-
-
3.4 实验结果与结论
-
3.4.1 预测实验结果
-
3.4.2 观察收集实验结果
-
3.4.3 实验结果分析
-
-
3.5 小结
-
参考文献
-
-
第4章 项目探索阶段一
-
4.1 最初的假设
-
4.2 边缘检测与分割
-
4.2.1 主要的算法思想
-
4.2.2 数学建模思路
-
-
4.3 从边缘检测到阈值分割
-
4.3.1 主要的算法思想
-
4.3.2 数学建模思路
-
-
4.4 均衡化的考虑
-
4.4.1 图像均衡化原理
-
4.4.2 模型与算法设计
-
4.4.3 从均衡化到规范化
-
-
4.5 模块化设计的探索
-
4.5.1 模块化的基本框架
-
4.5.2 边缘检测技术模块
-
4.5.3 阈值分割技术模块
-
4.5.4 直方图均衡化模块
-
-
4.6 小结
-
参考文献
-
-
第5章 项目探索阶段二
-
5.1 初始假设的拓展
-
5.2 区域生长算法原理
-
5.2.1 算法数据流分析
-
5.2.2 算法卷积层分析
-
5.2.3 策略信息点池化
-
5.2.4 逻辑回归与二分类
-
-
5.3 遮挡区域提取实验
-
5.3.1 右侧脸+N95口罩
-
5.3.2 左侧脸+N95口罩
-
5.3.3 俯视脸+N95口罩
-
5.3.4 仰视脸+N95口罩
-
5.3.5 正脸+医用外科口罩
-
5.3.6 左侧脸+医用外科口罩
-
5.3.7 右侧脸+医用外科口罩
-
5.3.8 俯视脸+医用外科口罩
-
5.3.9 仰视脸+医用外科口罩
-
-
5.4 区域生长算法核心代码展示
-
5.4.1 MATLAB核心代码
-
5.4.2 Python核心代码
-
-
5.5 小结
-
参考文献
-
-
第6章 项目探索阶段三
-
6.1 初始假设的延伸
-
6.2 数字图像的深度认知
-
6.2.1 从图像处理到图像理解
-
6.2.2 图像工程的三个层级
-
-
6.3 图像分割的数学定义
-
6.3.1 问题、特征与规律
-
6.3.2 分割条件的数学表达
-
6.3.3 目标区域与背景解释
-
-
6.4 图像变换与图像操作
-
6.4.1 图像变换原理
-
6.4.2 从变换到操作
-
6.4.3 实验结果展示
-
-
6.5 图像变换与图像分割的结合
-
6.5.1 阈值筛选优化思路
-
6.5.2 相关概率知识补充
-
6.5.3 分割过程的数学表达
-
-
6.6 人脸背景去除实验
-
6.6.1 阈值分割去除
-
6.6.2 裁剪分割去除
-
6.6.3 裁剪缩放分割旋转
-
-
6.7 小结
-
参考文献
-
-
第7章 项目探索阶段四
-
7.1 进一步的假设
-
7.2 从图像边缘到图像特征
-
7.2.1 检测方法的分类
-
7.2.2 图像特征的分类
-
7.2.3 边缘特征的分类
-
-
7.3 边缘的理解与表达
-
7.3.1 从函数的角度解释
-
7.3.2 基本算法思想解释
-
7.3.3 一阶导数与卷积操作
-
7.3.4 二阶导数与通用掩模
-
-
7.4 边缘检测深入解读
-
7.4.1 Roberts算子深入解读
-
7.4.2 Prewitt算子深入解读
-
7.4.3 Sobel算子深入解读
-
7.4.4 LoG算子深入解读
-
7.4.5 Canny算子深入解读
-
-
7.5 从边缘检测到边缘增强
-
7.5.1 基本算法思想解释
-
7.5.2 算法设计与编程实现
-
7.5.3 边缘增强的实验结果
-
-
7.6 小结
-
参考文献
-
-
第8章 项目实战阶段一
-
8.1 最初的尝试
-
8.2 从图像融合到人脸识别
-
8.2.1 问题背景与解决方案
-
8.2.2 解决方案的实现途径
-
-
8.3 人脸图像融合原理
-
8.3.1 融合技术的三个层次
-
8.3.2 算法思想与建模过程
-
8.3.3 技术实现的主要步骤
-
-
8.4 技术开发系统及代码
-
8.4.1 图形用户界面设计
-
8.4.2 图形用户界面调试
-
8.4.3 技术核心代码展示
-
-
8.5 技术模块化实现过程
-
8.5.1 模块化思路分析
-
8.5.2 基础融合技术模块
-
8.5.3 高级融合技术模块
-
-
8.6 人脸融合实验结果
-
8.7 小结
-
参考文献
-
-
第9章 项目实战阶段二
-
9.1 借助深度学习
-
9.2 深度学习基本原理
-
9.2.1 理解“深度”的含义
-
9.2.2 主流深度学习模型
-
9.2.3 MATLAB代码实现
-
-
9.3 从MATLAB到Python
-
9.3.1 一个实用的开发框架
-
9.3.2 TensorFlow基本概念
-
9.3.3 TensorFlow安装过程
-
-
9.4 遮挡区域提取方案
-
9.4.1 基础模型结构
-
9.4.2 加载训练好的模型
-
9.4.3 核心代码
-
-
9.5 遮挡区域提取实验
-
9.5.1 设置口罩保存路径
-
9.5.2 人脸目标区域保存
-
9.5.3 完整实验结果
-
-
9.6 项目实战代码
-
9.7 小结
-
参考文献
-
-
第10章 项目实战阶段三
-
10.1 超越深度学习
-
10.2 宽度学习的算法思想
-
10.2.1 宽度学习系统结构
-
10.2.2 网络权重求解过程
-
10.2.3 动态逐步更新算法
-
-
10.3 高效的增量学习模型
-
10.3.1 宽度学习系统的优势
-
10.3.2 宽度学习技术的核心
-
10.3.3 高效增量学习机制
-
-
10.4 宽度学习代码解读及调试
-
10.4.1 基础代码及调试
-
10.4.2 实验结果分析
-
10.4.3 遮挡人脸识别平台开发
-
-
参考文献
-
- 后记
- 出版地 ： 中國大陸
- 語言 ： 簡體中文
評分與評論
請登入後再留言與評分
EPUB
EPUB
PDF
EPUB
PDF
