人臉識別算法與案例分析

第1章 人臉識別的研究與應用 001
1．1 素描人臉識別的研究與應用 002
1．1．1 光學人臉識別研究歷程 002
1．1．2 素描人臉識別國內(nèi)外研究現(xiàn)狀 003
1．1．3 素描人臉識別數(shù)據(jù)庫 005
1．1．4 素描人臉識別的難點和發(fā)展趨勢 011
1．2 素描人臉合成的研究與應用 011
1．2．1 素描人臉合成的國內(nèi)外研究現(xiàn)狀 012
1．2．2 素描人臉圖像質(zhì)量評估指標 019
1．2．3 素描人臉合成的難點與發(fā)展趨勢 020
1．3 人像著色的研究與應用 021
1．3．1 人像著色的國內(nèi)外研究現(xiàn)狀 021
1．3．2 人像著色的難點與發(fā)展趨勢 022
1．4 人臉圖像超分辨率重建技術的研究與應用 022
1．4．1 人臉圖像超分辨率的發(fā)展及國內(nèi)外研究現(xiàn)狀 022
1．4．2 人臉圖像超分辨率重建質(zhì)量評價標準 024
1．4．3 人臉圖像超分辨率重建技術的難點與發(fā)展趨勢 026
1．5 本章小結(jié) 027
參考文獻 027
第2章 傳統(tǒng)特征提取算法在素描人臉識別上的應用與研究 036
2．1 傳統(tǒng)素描人臉識別算法相關原理 037
2．1．1 人臉圖像分割算法 037
2．1．2 人臉特征提取算法 042
2．2 基于Surf匹配坐標鄰域優(yōu)化的素描人臉識別 049
2．2．1 Surf匹配 050
2．2．2 坐標鄰域優(yōu)化 053
2．2．3 識別過程 055
2．2．4 實驗結(jié)果與分析 056
2．3 基于張量排序保留判別分析的人臉特征提取 062
2．3．1 張量排序保留判別投影（TRPDA）模型 064
2．3．2 TRPDA求解算法 068
2．3．3 實驗結(jié)果與分析 072
2．4 本章小結(jié) 081
參考文獻 082
第3章 深度學習在素描人臉識別上的應用 087
3．1 深度學習相關原理 087
3．1．1 卷積神經(jīng)網(wǎng)絡概述 087
3．1．2 主流人臉識別模型框架 089
3．1．3 度量學習 095
3．2 基于聯(lián)合分布適配的素描人臉識別 096
3．2．1 遷移學習 096
3．2．2 模型結(jié)構 100
3．2．3 損失函數(shù) 102
3．2．4 實驗結(jié)果與分析 103
3．3 基于殘差網(wǎng)絡和度量學習的素描人臉識別 106
3．3．1 模型結(jié)構 107
3．3．2 損失函數(shù) 108
3．3．3 實驗結(jié)果與分析 109
3．4 基于SE-ResNeXt模型的素描人臉識別 117
3．4．1 SE-ResNeXt網(wǎng)絡模型 118
3．4．2 損失函數(shù) 120
3．4．3 實驗結(jié)果與分析 121
3．5 本章小結(jié) 127
參考文獻 128
第4章 傳統(tǒng)素描人臉合成方法 131
4．1 結(jié)合LBP局部特征提取的素描人臉合成方法 131
4．1．1 歐氏距離粗提取 132
4．1．2 結(jié)合子塊切分的LBP局部特征提取 133
4．1．3 合成過程 134
4．1．4 實驗結(jié)果與分析 137
4．2 結(jié)合pHash稀疏編碼的素描人臉合成方法 141
4．2．1 基于圖像熵的圖像分塊 141
4．2．2 圖像塊的特征提取 145
4．2．3 實驗結(jié)果與分析 150
4．3 本章小結(jié) 157
參考文獻 157
第5章 生成對抗網(wǎng)絡在素描人臉合成中的應用 161
5．1 生成對抗網(wǎng)絡相關原理 161
5．1．1 生成對抗網(wǎng)絡模型概述 161
5．1．2 生成對抗網(wǎng)絡的改進 163
5．2 基于生成對抗網(wǎng)絡的素描人臉合成方法 169
5．2．1 生成對抗網(wǎng)絡模型 169
5．2．2 損失函數(shù) 174
5．2．3 實驗結(jié)果與分析 177
5．3 基于雙層對抗網(wǎng)絡的素描人臉合成方法 185
5．3．1 雙層對抗網(wǎng)絡模型 186
5．3．2 損失函數(shù) 188
5．3．3 實驗結(jié)果與分析 189
5．4 基于特征學習生成對抗網(wǎng)絡的高質(zhì)量素描人臉合成方法 194
5．4．1 特征學習生成對抗網(wǎng)絡模型 194
5．4．2 損失函數(shù) 199
5．4．3 實驗結(jié)果與分析 202
5．5 多判別器循環(huán)生成對抗網(wǎng)絡的素描人臉合成方法 211
5．5．1 多判別循環(huán)生成對抗網(wǎng)絡模型 211
5．5．2 損失函數(shù) 215
5．5．3 實驗結(jié)果與分析 216
5．6 本章小結(jié) 223
參考文獻 224
第6章 基于聯(lián)合一致循環(huán)生成對抗網(wǎng)絡的人像著色方法 228
6．1 色彩空間 229
6．2 網(wǎng)絡結(jié)構 229
6．2．1 著色網(wǎng)絡模型 230
6．2．2 生成網(wǎng)絡 231
6．2．3 判別網(wǎng)絡 232
6．3 損失函數(shù) 233
6．3．1 生成對抗損失 233
6．3．2 聯(lián)合一致性損失 234
6．4 實驗結(jié)果與分析 235
6．4．1 數(shù)據(jù)庫及參數(shù)設置 235
6．4．2 消融實驗 238
6．4．3 和已有方法對比 239
6．5 本章小結(jié) 242
參考文獻 242
第7章 人臉超分辨率重建 246
7．1 雙層級聯(lián)神經(jīng)網(wǎng)絡的人臉超分辨率重建 246
7．1．1 堆疊沙漏塊結(jié)構 246
7．1．2 雙層級聯(lián)神經(jīng)網(wǎng)絡結(jié)構 248
7．1．3 損失函數(shù) 250
7．1．4 實驗結(jié)果與分析 251
7．2 基于引導圖像的人臉超分辨率重建 256
7．2．1 3DMM人臉擬合 257
7．2．2 基于3DMM的人臉矯正 257
7．2．3 基于引導圖像的人臉超分辨率重建網(wǎng)絡 258
7．2．4 實驗結(jié)果與分析 261
7．3 本章小結(jié) 267
參考文獻