人工智能实战进阶导引（中外学者论AI）

作者：王文峰，安鹏，王海洋，李小强，栾博，张晶

出版社：清华大学出版社

出版时间：2022-05-01

ISBN：9787302603290

定价：¥79.00

　　本书选择以遮挡人脸识别这一当今世界难题为例，探索人工智能技术实战进阶之路。本书重现了笔者对人脸有无口罩识别、口罩分割提取、遮挡人脸识别等方面的技术探索与实现过程。从视频图像的智能分割、图像区域生长算法设计与实现、智能采集、智能分割、智能变换、智能融合、图像边缘智能检测、图像非局部均值滤波等角度入手，尝试了遮挡人脸图像处理的探索，并最终分别基于MATLAB和Python实现了遮挡人脸识别。本书内容通俗易懂，适用于对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生，还是希望向人工智能领域转型的技术人员，都可以通过本书的指引，轻松完成人工智能实战进阶。

暂缺《人工智能实战进阶导引（中外学者论AI）》作者简介

第1章项目入门阶段一

\n

1.1最初的思考

\n

1.2研究平台架构

\n

1.2.1系统设计需求

\n

1.2.2系统设计方案

\n

1.3数据采集原理

\n

1.3.1确定取景范围

\n

1.3.2低通采样原理

\n

1.3.3数字信号重建

\n

1.4开发界面设计

\n

1.4.1基本信息获取

\n

1.4.2功能面板组成

\n

1.4.3界面设计过程

\n

1.5智能采集系统

\n

1.5.1图形用户界面

\n

1.5.2技术模块演示

\n

1.6小结

\n

参考文献

\n

第2章项目入门阶段二

\n

2.1不完美的智能

\n

2.2噪声处理算法

\n

2.2.1均值滤波去噪

\n

2.2.2中值滤波去噪

\n

2.2.3小波软阈值去噪

\n

2.2.4小波硬阈值去噪

\n

2.2.5轮廓波阈值去噪

\n

2.3模块化设计与调试

\n

2.3.1技术模块布局

\n

2.3.2技术模块演示

\n

2.3.3核心代码

\n

2.4小结

\n

参考文献

\n

第3章项目入门阶段三

\n

3.1进一步的思考

\n

3.2从局部到非局部

\n

3.2.1非局部滤波原理

\n

3.2.2存在的不足

\n

3.2.3算法改进思路

\n

3.3应用探索和尝试

\n

3.3.1运动目标检测

\n

3.3.2算法设计思想

\n

3.3.3算法设计过程

\n

3.4实验结果与结论

\n

3.4.1预测实验结果

\n

3.4.2观察收集实验结果

\n

3.4.3实验结果分析

\n

3.5小结

\n

参考文献

\n

第4章项目探索阶段一

\n

4.1最初的假设

\n

4.2边缘检测与分割

\n

4.2.1主要的算法思想

\n

4.2.2数学建模思路

\n

4.3从边缘检测到阈值分割

\n

4.3.1主要的算法思想

\n

4.3.2数学建模思路

\n

4.4均衡化的考虑

\n

4.4.1图像均衡化原理

\n

4.4.2模型与算法设计

\n

4.4.3从均衡化到规范化

\n

4.5模块化设计的探索

\n

4.5.1模块化的基本框架

\n

4.5.2边缘检测技术模块

\n

4.5.3阈值分割技术模块

\n

4.5.4直方图均衡化模块

\n

4.6小结

\n

参考文献

\n

第5章项目探索阶段二

\n

5.1初始假设的拓展

\n

5.2区域生长算法原理

\n

5.2.1算法数据流分析

\n

5.2.2算法卷积层分析

\n

5.2.3策略信息点池化

\n

5.2.4逻辑回归与二分类

\n

5.3遮挡区域提取实验

\n

5.3.1右侧脸+N95口罩

\n

5.3.2左侧脸+N95口罩

\n

5.3.3俯视脸+N95口罩

\n

5.3.4仰视脸+N95口罩

\n

5.3.5正脸+医用外科口罩

\n

5.3.6左侧脸+医用外科口罩

\n

5.3.7右侧脸+医用外科口罩

\n

5.3.8俯视脸+医用外科口罩

\n

5.3.9仰视脸+医用外科口罩

\n

5.4区域生长算法核心代码展示

\n

5.4.1MATLAB核心代码

\n

5.4.2Python核心代码

\n

5.5小结

\n

参考文献

\n

第6章项目探索阶段三

\n

6.1初始假设的延伸

\n

6.2数字图像的深度认知

\n

6.2.1从图像处理到图像理解

\n

6.2.2图像工程的三个层级

\n

6.3图像分割的数学定义

\n

6.3.1问题、特征与规律

\n

6.3.2分割条件的数学表达

\n

6.3.3目标区域与背景解释

\n

6.4图像变换与图像操作

\n

6.4.1图像变换原理

\n

6.4.2从变换到操作

\n

6.4.3实验结果展示

\n

6.5图像变换与图像分割的结合

\n

6.5.1阈值筛选优化思路

\n

6.5.2相关概率知识补充

\n

6.5.3分割过程的数学表达

\n

6.6人脸背景去除实验

\n

6.6.1阈值分割去除

\n

6.6.2裁剪分割去除

\n

6.6.3裁剪缩放分割旋转

\n

6.7小结

\n

参考文献

\n

第7章项目探索阶段四

\n

7.1进一步的假设

\n

7.2从图像边缘到图像特征

\n

7.2.1检测方法的分类

\n

7.2.2图像特征的分类

\n

7.2.3边缘特征的分类

\n

7.3边缘的理解与表达

\n

7.3.1从函数的角度解释

\n

7.3.2基本算法思想解释

\n

7.3.3一阶导数与卷积操作

\n

7.3.4二阶导数与通用掩模

\n

7.4边缘检测深入解读

\n

7.4.1Roberts算子深入解读

\n

7.4.2Prewitt算子深入解读

\n

7.4.3Sobel算子深入解读

\n

7.4.4LoG算子深入解读

\n

7.4.5Canny算子深入解读

\n

7.5从边缘检测到边缘增强

\n

7.5.1基本算法思想解释

\n

7.5.2算法设计与编程实现

\n

7.5.3边缘增强的实验结果

\n

7.6小结

\n

参考文献

\n

第8章项目实战阶段一

\n

8.1最初的尝试

\n

8.2从图像融合到人脸识别

\n

8.2.1问题背景与解决方案

\n

8.2.2解决方案的实现途径

\n

8.3人脸图像融合原理

\n

8.3.1融合技术的三个层次

\n

8.3.2算法思想与建模过程

\n

8.3.3技术实现的主要步骤

\n

8.4技术开发系统及代码

\n

8.4.1图形用户界面设计

\n

8.4.2图形用户界面调试

\n

8.4.3技术核心代码展示

\n

8.5技术模块化实现过程

\n

8.5.1模块化思路分析

\n

8.5.2基础融合技术模块

\n

8.5.3高级融合技术模块

\n

8.6人脸融合实验结果

\n

8.7小结

\n

参考文献

\n

第9章项目实战阶段二

\n

9.1借助深度学习

\n

9.2深度学习基本原理

\n

9.2.1理解“深度”的含义

\n

9.2.2主流深度学习模型

\n

9.2.3MATLAB代码实现

\n

9.3从MATLAB到Python

\n

9.3.1一个实用的开发框架

\n

9.3.2TensorFlow基本概念

\n

9.3.3TensorFlow安装过程

\n

9.4遮挡区域提取方案

\n

9.4.1基础模型结构

\n

9.4.2加载训练好的模型

\n

9.4.3核心代码

\n

9.5遮挡区域提取实验

\n

9.5.1设置口罩保存路径

\n

9.5.2人脸目标区域保存

\n

9.5.3完整实验结果

\n

9.6项目实战代码

\n

9.7小结

\n

参考文献

\n

第10章项目实战阶段三

\n

10.1超越深度学习

\n

10.2宽度学习的算法思想

\n

10.2.1宽度学习系统结构

\n

10.2.2网络权重求解过程

\n

10.2.3动态逐步更新算法

\n

10.3高效的增量学习模型

\n

10.3.1宽度学习系统的优势

\n

10.3.2宽度学习技术的核心

\n

10.3.3高效增量学习机制

\n

10.4宽度学习代码解读及调试

\n

10.4.1基础代码及调试

\n

10.4.2实验结果分析

\n

10.4.3遮挡人脸识别平台开发

\n

参考文献

\n

后记

\n