人工智能實戰進階導引

本書選擇以遮擋人臉識別這一當今世界難題為例，探索人工智能技術實戰進階之路。本書重現了筆者對人臉有無口罩識別、口罩分割提取、遮擋人臉識別等方面的技術探索與實現過程。從視頻圖像的智能分割、圖像區域生長算法設計與實現、智能採集、智能分割、智能變換、智能融合、圖像邊緣智能檢測、圖像非局部均值濾波等角度入手，嘗試了遮擋人臉圖像處理的探索，並最終分別基於MATLAB和Python實現了遮擋人臉識別。本書內容通俗易懂，適用於對人工智能實戰應用感興趣但缺少專業指導的讀者。無論是對遮擋人臉識別技術感興趣的大學生，還是希望向人工智能領域轉型的技術人員，都可以通過本書的指引，輕松完成人工智能實戰進階。

目錄

第1章項目入門階段一

1.1最初的思考

1.2研究平臺架構

1.2.1系統設計需求

1.2.2系統設計方案

1.3數據採集原理

1.3.1確定取景範圍

1.3.2低通採樣原理

1.3.3數字信號重建

1.4開發界面設計

1.4.1基本信息獲取

1.4.2功能面板組成

1.4.3界面設計過程

1.5智能採集系統

1.5.1圖形用戶界面

1.5.2技術模塊演示

1.6小結

參考文獻

第2章項目入門階段二

2.1不完美的智能

2.2噪聲處理算法

2.2.1均值濾波去噪

2.2.2中值濾波去噪

2.2.3小波軟閾值去噪

2.2.4小波硬閾值去噪

2.2.5輪廓波閾值去噪

2.3模塊化設計與調試

2.3.1技術模塊佈局

2.3.2技術模塊演示

2.3.3核心代碼

2.4小結

參考文獻

第3章項目入門階段三

3.1進一步的思考

3.2從局部到非局部

3.2.1非局部濾波原理

3.2.2存在的不足

3.2.3算法改進思路

3.3應用探索和嘗試

3.3.1運動目標檢測

3.3.2算法設計思想

3.3.3算法設計過程

3.4實驗結果與結論

3.4.1預測實驗結果

3.4.2觀察收集實驗結果

3.4.3實驗結果分析

3.5小結

參考文獻

第4章項目探索階段一

4.1最初的假設

4.2邊緣檢測與分割

4.2.1主要的算法思想

4.2.2數學建模思路

4.3從邊緣檢測到閾值分割

4.3.1主要的算法思想

4.3.2數學建模思路

4.4均衡化的考慮

4.4.1圖像均衡化原理

4.4.2模型與算法設計

4.4.3從均衡化到規範化

4.5模塊化設計的探索

4.5.1模塊化的基本框架

4.5.2邊緣檢測技術模塊

4.5.3閾值分割技術模塊

4.5.4直方圖均衡化模塊

4.6小結

參考文獻

第5章項目探索階段二

5.1初始假設的拓展

5.2區域生長算法原理

5.2.1算法數據流分析

5.2.2算法捲積層分析

5.2.3策略信息點池化

5.2.4邏輯回歸與二分類

5.3遮擋區域提取實驗

5.3.1右側臉+N95口罩

5.3.2左側臉+N95口罩

5.3.3俯視臉+N95口罩

5.3.4仰視臉+N95口罩

5.3.5正臉+醫用外科口罩

5.3.6左側臉+醫用外科口罩

5.3.7右側臉+醫用外科口罩

5.3.8俯視臉+醫用外科口罩

5.3.9仰視臉+醫用外科口罩

5.4區域生長算法核心代碼展示

5.4.1MATLAB核心代碼

5.4.2Python核心代碼

5.5小結

參考文獻

第6章項目探索階段三

6.1初始假設的延伸

6.2數字圖像的深度認知

6.2.1從圖像處理到圖像理解

6.2.2圖像工程的三個層級

6.3圖像分割的數學定義

6.3.1問題、特徵與規律

6.3.2分割條件的數學表達

6.3.3目標區域與背景解釋

6.4圖像變換與圖像操作

6.4.1圖像變換原理

6.4.2從變換到操作

6.4.3實驗結果展示

6.5圖像變換與圖像分割的結合

6.5.1閾值篩選優化思路

6.5.2相關概率知識補充

6.5.3分割過程的數學表達

6.6人臉背景去除實驗

6.6.1閾值分割去除

6.6.2裁剪分割去除

6.6.3裁剪縮放分割旋轉

6.7小結

參考文獻

第7章項目探索階段四

7.1進一步的假設

7.2從圖像邊緣到圖像特徵

7.2.1檢測方法的分類

7.2.2圖像特徵的分類

7.2.3邊緣特徵的分類

7.3邊緣的理解與表達

7.3.1從函數的角度解釋

7.3.2基本算法思想解釋

7.3.3一階導數與捲積操作

7.3.4二階導數與通用掩模

7.4邊緣檢測深入解讀

7.4.1Roberts算子深入解讀

7.4.2Prewitt算子深入解讀

7.4.3Sobel算子深入解讀

7.4.4LoG算子深入解讀

7.4.5Canny算子深入解讀

7.5從邊緣檢測到邊緣增強

7.5.1基本算法思想解釋

7.5.2算法設計與編程實現

7.5.3邊緣增強的實驗結果

7.6小結

參考文獻

第8章項目實戰階段一

8.1最初的嘗試

8.2從圖像融合到人臉識別

8.2.1問題背景與解決方案

8.2.2解決方案的實現途徑

8.3人臉圖像融合原理

8.3.1融合技術的三個層次

8.3.2算法思想與建模過程

8.3.3技術實現的主要步驟

8.4技術開發系統及代碼

8.4.1圖形用戶界面設計

8.4.2圖形用戶界面調試

8.4.3技術核心代碼展示

8.5技術模塊化實現過程

8.5.1模塊化思路分析

8.5.2基礎融合技術模塊

8.5.3高級融合技術模塊

8.6人臉融合實驗結果

8.7小結

參考文獻

第9章項目實戰階段二

9.1借助深度學習

9.2深度學習基本原理

9.2.1理解“深度”的含義

9.2.2主流深度學習模型

9.2.3MATLAB代碼實現

9.3從MATLAB到Python

9.3.1一個實用的開發框架

9.3.2TensorFlow基本概念 

9.3.3TensorFlow安裝過程

9.4遮擋區域提取方案

9.4.1基礎模型結構

9.4.2加載訓練好的模型

9.4.3核心代碼

9.5遮擋區域提取實驗

9.5.1設置口罩保存路徑

9.5.2人臉目標區域保存

9.5.3完整實驗結果

9.6項目實戰代碼

9.7小結

參考文獻

第10章項目實戰階段三

10.1超越深度學習

10.2寬度學習的算法思想

10.2.1寬度學習系統結構

10.2.2網絡權重求解過程

10.2.3動態逐步更新算法

10.3高效的增量學習模型

10.3.1寬度學習系統的優勢

10.3.2寬度學習技術的核心

10.3.3高效增量學習機制

10.4寬度學習代碼解讀及調試

10.4.1基礎代碼及調試

10.4.2實驗結果分析

10.4.3遮擋人臉識別平臺開發

參考文獻

後記