人臉識別算法、優化與信息安全
王蒙、劉慶慶
- 出版商: 清華大學
- 出版日期: 2022-12-01
- 定價: $479
- 售價: 7.9 折 $378
- 語言: 簡體中文
- ISBN: 7302620091
- ISBN-13: 9787302620099
-
相關分類:
影像辨識 Image-recognition
立即出貨
買這商品的人也買了...
-
Python 金融分析, 2/e (Python for Finance, 2/e)$980$774 -
基於 GPU 加速的計算機視覺編程:使用 OpenCV 和 CUDA 實時處理複雜圖像數據$474$450 -
AI 醫療 DEEP MEDICINE (Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again)$680$578 -
金融機器學習與資料科學藍圖 (Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python)$780$616 -
金融風險管理的機器學習應用|使用 Python (Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk)$680$537 -
Raspberry Pi 錦囊妙計|軟硬體問題與解決方案, 4/e (Raspberry Pi Cookbook: Software and Hardware Problems and Solutions, 4/e)$980$774 -
ChatGPT 開發手冊 Turbo × Vision 進化版 — 用 OpenAI Chat/Assistants API‧Function calling 設計 GPTs action‧LINE/Discord bot‧股市分析/自動助理$820$648 -
$370剪映 + AI數碼人:短影片剪輯製作實戰技巧大全 -
$283大模型入門:技術原理與實戰應用 -
$356快速部署大模型:LLM 策略與實踐 (基於 ChatGPT 等大語言模型) -
LLM 大型語言模型的絕世祕笈:27路獨步劍法,帶你闖蕩生成式 AI 的五湖四海 (iThome鐵人賽系列書)$650$507 -
GPT 賺被動收入 - AI 時代的量化交易攻略$780$616 -
$654金融大模型開發基礎與實踐 -
$559大語言模型開發:用開源模型開發本地系統
中文年末書展|繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components:從原子到系統,一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場:社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用:DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用!Word.Excel.PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光:資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案:Looker Studio × AI 數據驅動行銷實作,完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus!職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化!$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略:圖解 AI 與 Copilot 應用,輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word!論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術:用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持!Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!:Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化(iThome鐵人賽系列書)$780$608 -
78折
超實用!業務.總管.人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM:AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」:52 個零程式互動體驗,打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare:惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人:回顧從 Ada 到 AI 這條程式路,程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫!用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者:Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本|Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊:生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
目錄大綱
目 錄
第1章 人工智能和信息安全概述 1
1.1 以人臉識別為主體的用戶信息網絡安全技術 1
1.1.1 人臉識別技術的引入 2
1.1.2 人臉識別技術的發展史 5
1.1.3 用戶信息網絡安全性 12
1.2 機器學習與人工智能、數據挖掘和網絡安全的融合 16
1.2.1 機器學習與人工智能 16
1.2.2 機器學習與數據挖掘 17
1.2.3 機器學習與網絡安全 18
1.3 機器學習和信息安全發展趨勢 20
1.4 本章小結 22
第2章 挖掘用戶可辨識信息的方法 23
2.1 稀疏表示 23
2.2 協同表示 26
2.3 核稀疏表示和核協同表示 27
2.4 稀疏字典學習 29
2.5 深度學習 31
2.5.1 深度學習的模型 31
2.5.2 多層感知機 33
2.5.3 激活函數和損失函數 35
2.5.4 優化算法 38
2.5.5 捲積神經網絡 40
2.6 本章小結 42
第3章 非約束性用戶的識別方法 43
3.1 非約束性人臉識別問題 43
3.2 相關工作的回顧 46
3.2.1 魯棒稀疏表示 46
3.2.2 魯棒稀疏編碼算法 47
3.3 可變遮擋探測和疊代恢復稀疏表示模型 47
3.3.1 VOD過程 49
3.3.2 IR過程 50
3.3.3 VOD&IR算法描述 50
3.4 實驗結果及分析 52
3.4.1 參數設置 52
3.4.2 模擬塊遮擋 53
3.4.3 AR人臉數據庫的真實遮擋 58
3.4.4 可變遮擋地圖精確性評估 62
3.5 本章小結 63
第4章 小樣本用戶的識別方法 65
4.1 小樣本用戶識別問題 65
4.2 樣本組錯位原子字典聯合核協同表示分類模型 67
4.2.1 仿射變換原理 68
4.2.2 樣本組錯位原子字典 69
4.2.3 聯合核協同表示模型 70
4.3 實驗結果及分析 71
4.3.1 Georgia Tech人臉數據庫 72
4.3.2 Labeled Faces in the Wild人臉數據庫 74
4.3.3 Caltech人臉數據庫 75
4.3.4 相似方法的比較 77
4.3.5 樣本組錯位原子方案的評估 78
4.4 本章小結 80
第5章 代價敏感人臉認證安全體系 81
5.1 代價敏感人臉識別問題 81
5.2 基於高斯相似性關系的加權二重字典 83
5.2.1 高斯加權稀疏表示算法 83
5.2.2 淺層全局加權二重字典的建立 84
5.3 基於限定的表情動作模式的代價敏感人臉認證模型 85
5.3.1 CSFV_LEP模型的原理 85
5.3.2 CSFV_LEP算法描述 87
5.3.3 CSFV_LEP算法復雜度分析 89
5.4 實驗結果及分析 89
5.4.1 參數設置 89
5.4.2 模型的安全和實用性能分析 91
5.5 本章小結 99
第6章 快速人臉識別的流形正則化方法 101
6.1 快速人臉識別問題 101
6.2 核協同流形正則化模型 103
6.3 實驗模擬及結果分析 105
6.3.1 參數設置 105
6.3.2 Extended Yale B人臉數據庫上的人臉識別實驗 105
6.3.3 AR人臉數據庫上的人臉識別實驗 110
6.3.4 FERET人臉數據庫上的人臉識別實驗 112
6.3.5 Lab2人臉數據庫上的人臉識別實驗 114
6.3.6 參數的影響 116
6.4 本章小結 119
第7章 分層建模大規模人臉認證方法 121
7.1 大規模人臉識別問題 121
7.2 深度學習框架 123
7.2.1 捲積神經網絡 123
7.2.2 經典的捲積神經網絡結構 124
7.2.3 遷移學習 126
7.3 深層局部字典的建立 128
7.4 聯合加權核協同表示 130
7.5 部分實驗結果 131
7.5.1 CMU-PIE人臉數據庫上的人臉識別實驗 131
7.5.2 CMU-PIE人臉數據庫上的加噪遮擋人臉識別實驗 132
7.5.3 LFW人臉數據庫上的無遮擋人臉識別實驗 133
7.5.4 LFW人臉數據庫上的同源遮擋人臉識別實驗 134
7.6 本章小結 135
第8章 提升用戶信息網絡安全性的方法 137
8.1 以人臉識別為主體的信息安全系統 137
8.2 用戶信息網絡安全的保護方法 141
8.3 大數據環境下提升用戶信息安全性的建議 144
8.4 本章小結 148
第9章 用戶信息網絡安全的未來 149
9.1 用戶信息資源的多元化趨勢 149
9.1.1 用戶信息資源的多樣性 150
9.1.2 用戶信息需求的差異性 155
9.2 網絡信息資源及其共享與保密 157
9.2.1 網絡信息資源 157
9.2.2 網絡信息資源的共享與保密 159
9.3 用戶信息網絡安全技術的發展前景 161
9.4 本章小結 164
參考文獻 167
附錄A 縮略語 175



