幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python人臉識別(從入門到工程實踐)/智能系統與技術叢書

  • 作者：王天慶
  • 出版社：機械工業
  • ISBN：9787111623854
  • 出版日期：2019/04/01
  • 裝幀：平裝
  • 頁數：247
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    這是一本面向初學者的人臉識別工具書，不僅適合零基礎的讀者快速入門，而且適合有一定基礎的讀者迅速達到可以進行工程實踐的水平。
    作者就職于某世界100強企業，在人臉識別方面積累了豐富的工程實踐經驗，本書不僅詳細介紹了機器學習、深度學習、電腦視覺、人臉識別等方面的原理、技術和演算法，而且還通過相關的實戰案例講解了如何進行人臉識別方面的實踐，以及如何將做好的模型用於工程實踐中。同時，本書還提供了大量簡潔、精煉的代碼，能幫助讀者從零開始實現一個工程級別的人臉識別引擎。
    全書一共8章：
    第1章介紹了人臉識別的基礎和必備常識；
    第2?4章詳細講解了與人臉識別相關的數學、機器學習、電腦視覺、OpenCV相關的基礎和演算法；
    第5章講解了深度學習的原理以及使用Keras實現深度學習模型的方法；
    第6章介紹了常用的人臉識別演算法；
    第7?8章詳細講解了人臉識別引擎的實現方法以及如何將做好的模型進行工程化。
作者介紹
王天慶
    王天慶，長期從事分散式系統、數據科學與工程、人工智慧等方面的研究與開發，在人臉識別方面有豐富的實踐經驗。現就職某世界100強企業的數據實驗室，從事數據科學相關技術領域的預研工作。     曾就職于某海外業務社交類移動互聯網公司，熟悉大數據平台研發、架構，以及數據的處理和分析，熟悉Web架構和高性能、高併發、高可用系統。     中國電子學會（電腦應用分會）會員，CSDN博客專家，熱愛技術分享與交流。
目錄
前言
第1章  人臉識別入門
  1.1  人臉識別概況
    1.1.1  何為人臉識別
    1.1.2  人臉識別的應用
    1.1.3  人臉識別的目標
    1.1.4  人臉識別的一般方法
  1.2  人臉識別發展狀況
    1.2.1  人臉識別歷史沿革
    1.2.2  DT時代的呼喚
    1.2.3  電腦視覺的新起點
  1.3  本章小結
第2章  數學與機器學習基礎
  2.1  矩陣
    2.1.1  矩陣的形式
    2.1.2  行列式
    2.1.3  轉置
    2.1.4  矩陣的一般運算
  2.2  向量
    2.2.1  向量的形式
    2.2.2  向量的點乘
    2.2.3  向量的范數
  2.3  距離度量
    2.3.1  歐式距離
    2.3.2  曼哈頓距離
    2.3.3  餘弦距離
    2.3.4  漢明距離
  2.4  卷積
    2.4.1  一維卷積
    2.4.2  二維卷積
  2.5  機器學習基礎
    2.5.1  機器學習類別
    2.5.2  分類演算法
  2.6  本章小結
第3章  電腦視覺原理與應用39
  3.1  電腦視覺介紹
  3.2  顏色模型
    3.2.1  彩色圖像
    3.2.2  灰度圖像與二值圖像
  3.3  信號與雜訊
    3.3.1  信號
    3.3.2  雜訊
  3.4  圖像濾波
    3.4.1  均值濾波
    3.4.2  中值濾波
  3.5  圖像的幾何變換
    3.5.1  平移
    3.5.2  旋轉
    3.5.3  縮放
  3.6  圖像特徵

    3.6.1  灰度直方圖
    3.6.2  LBP特徵
    3.6.3  Haar特徵
    3.6.4  HOG特徵
  3.7  本章小結
第4章  OpenCV基礎與應用
  4.1  OpenCV介紹
  4.2  科學計算庫Numpy
    4.2.1  array類型
    4.2.2  線性代數相關
    4.2.3  矩陣的高級函數
  4.3  OpenCV基本操作
  4.4  圖像的基本變換
    4.4.1  顏色變換
    4.4.2  幾何變換
    4.4.3  圖像雜訊處理
  4.5  本章小結
第5章  深度學習與Keras工程實踐
  5.1  深度學習介紹
  5.2  Keras框架簡介
  5.3  Keras的使用方法
    5.3.1  深度學習的原理
    5.3.2  Keras神經網路堆疊的兩種方法
  5.4  常用的神經網路層
    5.4.1  全連接層
    5.4.2  二維卷積層
    5.4.3  池化層
    5.4.4  BN層
    5.4.5  dropout層
    5.4.6  flatten層
  5.5  激活函數
    5.5.1  Sigmoid激活函數
    5.5.2  Softmax激活函數
    5.5.3  ReLU激活函數
    5.5.4  Keras中激活函數的使用
  5.6  優化器
    5.6.1  SGD優化器
    5.6.2  Adadelta優化器
  5.7  損失函數
    5.7.1  均方誤差
    5.7.2  交叉熵損失函數
    5.7.3  Keras提供的損失函數
  5.8  模型評估方法
    5.8.1  交叉驗證
    5.8.2  分類器性能評估
  5.9  數據增強
    5.9.1  數據增強概述
    5.9.2  Keras實現數據增強
    5.9.3  自己實現數據增強
  5.10  Keras的工程實踐

    5.10.1  訓練時的回調函數
    5.10.2  列印網路信息
    5.10.3  輸出網路結構圖
    5.10.4  獲取某層的輸出
  5.11  本章小結
第6章  常用人臉識別演算法
  6.1  特徵臉法
  6.2  OpenCV的方法
    6.2.1  人臉檢測方法
    6.2.2  人臉識別方法
  6.3  Dlib的人臉檢測方法
  6.4  基於深度學習的圖片特徵提取
    6.4.1  AlexNet
    6.4.2  VGGNet
    6.4.3  GoogLeNet
    6.4.4  ResNet
  6.5  基於深度學習的人臉檢測
    6.5.1  基於深度學習的目標檢測
    6.5.2  MTCNN
  6.6  基於深度學習的人臉識別
    6.6.1  基於度量學習的方法
    6.6.2  基於邊界分類的方法
  6.7  本章小結
第7章  人臉識別項目實戰
  7.1  人臉圖片數據集
    7.1.1  Olivetti Faces人臉數據集
    7.1.2  LFW人臉數據集
    7.1.3  YouTube Faces人臉數據集
    7.1.4  IMDB WIKI人臉數據集
    7.1.5  FDDB人臉數據集
  7.2  使用OpenCV的人臉檢測
    7.2.1  Haar級聯分類器
    7.2.2  OpenCV的SSD人臉檢測器
  7.3  使用Dlib的人臉檢測
    7.3.1  基於Hog-SVM的人臉檢測
    7.3.2  基於最大邊界的對象檢測器
  7.4  深度學習實踐
    7.4.1  卷積神經網路實現
    7.4.2  數據增強
    7.4.3  自定義損失函數
    7.4.4  數據預處理
    7.4.5  模型訓練
    7.4.6  實現Web介面
    7.4.7  模型調優與總結
  7.5  人臉識別的拓展應用
  7.6  本章小結
第8章  人臉識別工程化
  8.1  雲平台實踐
    8.1.1  雲計算介紹
    8.1.2  雲服務的形式

    8.1.3  雲平台架構設計
  8.2  服務API設計
    8.2.1  人臉檢測
    8.2.2  人臉對比
  8.3  人臉圖片存儲
  8.4  人臉圖片檢索
  8.5  本章小結
附錄  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032