人脸识别算法与案例分析电子书

前言

第1章 人脸识别的研究与应用

1.1 素描人脸识别的研究与应用

1.1.1 光学人脸识别研究历程

1.1.2 素描人脸识别国内外研究现状

1.1.3 素描人脸识别数据库

1.1.4 素描人脸识别的难点和发展趋势

1.2 素描人脸合成的研究与应用

1.2.1 素描人脸合成的国内外研究现状

1.2.2 素描人脸图像质量评估指标

1.2.3 素描人脸合成的难点与发展趋势

1.3 人像着色的研究与应用

1.3.1 人像着色的国内外研究现状

1.3.2 人像着色的难点与发展趋势

1.4 人脸图像超分辨率重建技术的研究与应用

1.4.1 人脸图像超分辨率的发展及国内外研究现状

1.4.2 人脸图像超分辨率重建质量评价标准

1.4.3 人脸图像超分辨率重建技术的难点与发展趋势

1.5 本章小结

第2章 传统特征提取算法在素描人脸识别上的应用与研究

2.1 传统素描人脸识别算法相关原理

2.1.1 人脸图像分割算法

2.1.2 人脸特征提取算法

2.2 基于Surf匹配坐标邻域优化的素描人脸识别

2.2.1 Surf匹配

2.2.2 坐标邻域优化

2.2.3 识别过程

2.2.4 实验结果与分析

2.3 基于张量排序保留判别分析的人脸特征提取

2.3.1 张量排序保留判别投影（TRPDA）模型

2.3.2 TRPDA求解算法

2.3.3 实验结果与分析

2.4 本章小结

第3章 深度学习在素描人脸识别上的应用

3.1 深度学习相关原理

3.1.1 卷积神经网络概述

3.1.2 主流人脸识别模型框架

3.1.3 度量学习

3.2 基于联合分布适配的素描人脸识别

3.2.1 迁移学习

3.2.2 模型结构

3.2.3 损失函数

3.2.4 实验结果与分析

3.3 基于残差网络和度量学习的素描人脸识别

3.3.1 模型结构

3.3.2 损失函数

3.3.3 实验结果与分析

3.4 基于SE-ResNeXt模型的素描人脸识别

3.4.1 SE-ResNeXt网络模型

3.4.2 损失函数

3.4.3 实验结果与分析

3.5 本章小结

第4章 传统素描人脸合成方法

4.1 结合LBP局部特征提取的素描人脸合成方法

4.1.1 欧氏距离粗提取

4.1.2 结合子块切分的LBP局部特征提取

4.1.3 合成过程

4.1.4 实验结果与分析

4.2 结合pHash稀疏编码的素描人脸合成方法

4.2.1 基于图像熵的图像分块

4.2.2 图像块的特征提取

4.2.3 实验结果与分析

4.3 本章小结

第5章 生成对抗网络在素描人脸合成中的应用

5.1 生成对抗网络相关原理

5.1.1 生成对抗网络模型概述

5.1.2 生成对抗网络的改进

5.2 基于生成对抗网络的素描人脸合成方法

5.2.1 生成对抗网络模型

5.2.2 损失函数

5.2.3 实验结果与分析

5.3 基于双层对抗网络的素描人脸合成方法

5.3.1 双层对抗网络模型

5.3.2 损失函数

5.3.3 实验结果与分析

5.4 基于特征学习生成对抗网络的高质量素描人脸合成方法

5.4.1 特征学习生成对抗网络模型

5.4.2 损失函数

5.4.3 实验结果与分析

5.5 多判别器循环生成对抗网络的素描人脸合成方法

5.5.1 多判别器循环生成对抗网络模型

5.5.2 损失函数

5.5.3 实验结果与分析

5.6 本章小结

第6章 基于联合一致循环生成对抗网络的人像着色方法

6.1 色彩空间

6.2 网络结构

6.2.1 着色网络模型

6.2.2 生成网络

6.2.3 判别网络

6.3 损失函数

6.3.1 生成对抗损失

6.3.2 联合一致性损失

6.4 实验结果与分析

6.4.1 数据库及参数设置

6.4.2 消融实验

6.4.3 和已有方法对比

6.5 本章小结

第7章 人脸超分辨率重建

7.1 双层级联神经网络的人脸超分辨率重建

7.1.1 堆叠沙漏块结构

7.1.2 双层级联神经网络结构

7.1.3 损失函数

7.1.4 实验结果与分析

7.2 基于引导图像的人脸超分辨率重建

7.2.1 3DMM人脸拟合

7.2.2 基于3DMM的人脸矫正

7.2.3 基于引导图像的人脸超分辨率重建网络

7.2.4 实验结果与分析

7.3 本章小结