《深度学习之人脸图像处理：核心算法与案例实战》配书资源

本书全面、系统地介绍了深度学习技术在人脸图像处理领域中的应用。书中不但有人脸图像处理算法的详细介绍，更有实际案例带领读者上手练习。

本书共11章，第1章介绍了人脸图像与特征基础；第2章介绍了深度学习的基础知识；第3章介绍了人脸数据集；第4章介绍了人脸检测技术；第5章介绍了人脸关键点检测；第6章介绍了人脸识别技术；第7章介绍了人脸属性识别；第8章介绍了人脸属性分割技术；第9章介绍了人脸美颜与美妆；第10章介绍了人脸三维重建；第11章介绍了人脸属性编辑。

本书适合计算机视觉领域中人脸图像处理从业人员和爱好者阅读，也适深度学习算法爱好者阅读。

封面图

目录

• 前言
• 第1章 人脸图像与特征基础1
• 1.1 人脸图像基础1
• 1.1.1 人脸图像的特点1
• 1.1.2 人脸图像的应用2
• 1.2 人脸特征基础2
• 1.2.1 几何特征3
• 1.2.2 颜（肤）色特征3
• 1.2.3 纹理特征5
• 1.3 人脸图像工程常用的机器学习算法8
• 1.3.1 SVM简介8
• 1.3.2 AdaBoost简介12
• 第2章 深度学习基础15
• 2.1 神经网络15
• 2.1.1 神经元模型15
• 2.1.2 感知机16
• 2.1.3 BP算法17
• 2.2 卷积神经网络基础20
• 2.2.1 卷积操作20
• 2.2.2 反卷积操作21
• 2.2.3 卷积神经网络的基本概念22
• 2.2.4 卷积神经网络的核心思想24
• 2.2.5 卷积神经网络基本结构配置25
• 2.3 深度学习优化基础28
• 2.3.1 激活模型与常用激活函数29
• 2.3.2 参数初始化方法35
• 2.3.3 归一化方法37
• 2.3.4 池化42
• 2.3.5 最优化方法43
• 2.3.6 学习率策略47
• 2.3.7 正则化方法50
• 2.4 深度学习主流开源框架介绍53
• 2.4.1 Caffe简介54
• 2.4.2 TensorFlow简介54
• 2.4.3 PyTorch简介55
• 2.4.4 Theano简介56
• 2.4.5 Keras简介56
• 2.4.6 MXNet简介57
• 2.4.7 Chainer简介57
• 参考文献58
• 第3章 人脸数据集60
• 3.1 人脸检测数据集60
• 3.1.1 通用人脸检测数据集60
• 3.1.2 复杂人脸检测数据集62
• 3.2 关键点检测数据集63
• 3.3 人脸识别数据集65
• 3.3.1 人脸识别图像数据集65
• 3.3.2 人脸识别视频数据集69
• 3.3.3 三维人脸识别数据集69
• 3.3.4 人脸识别其他数据集70
• 3.4 人脸属性分析数据集70
• 3.4.1 通用人脸属性分析数据集70
• 3.4.2 人脸表情数据集71
• 3.4.3 人脸年龄与性别数据集73
• 3.4.4 人脸分割数据集74
• 3.4.5 人脸颜值数据集76
• 3.4.6 人脸妆造数据集76
• 3.5 人脸姿态与3D数据集77
• 3.5.1 人脸姿态数据集77
• 3.5.2 人脸三维重建数据集78
• 3.6 人脸活体与伪造数据集79
• 3.6.1 人脸活体数据集79
• 3.6.2 人脸伪造数据集81
• 3.7 人脸风格化数据集81
• 第4章 人脸检测83
• 4.1 目标检测基础83
• 4.1.1 目标检测基本流程83
• 4.1.2 选择检测窗口84
• 4.1.3 提取图像特征84
• 4.1.4 设计分类器85
• 4.2 经典人脸检测算法86
• 4.2.1 人脸检测问题87
• 4.2.2 人脸肤色模型87
• 4.2.3 人脸形状模型与模板匹配88
• 4.2.4 特征分类算法88
• 4.2.5 DPM方法91
• 4.3 深度学习通用目标检测方法93
• 4.3.1 OverFeat方法94
• 4.3.2 Selective search与R-CNN方法94
• 4.3.3 SPPNet与Fast R-CNN方法96
• 4.3.4 Faster R-CNN与R-FCN方法99
• 4.3.5 YOLO方法101
• 4.3.6 SSD方法104
• 4.3.7 基于角点的检测方法105
• 4.3.8 目标检测中的几个关键技术和难点106
• 4.4 深度学习人脸检测核心技术109
• 4.4.1 人脸组件算法109
• 4.4.2 级联检测算法110
• 4.4.3 多尺度人脸检测算法114
• 4.4.4 遮挡人脸检测算法118
• 4.4.5 活体与伪造人脸检测算法119
• 4.5 实战Faster R-CNN人脸检测120
• 4.5.1 项目背景120
• 4.5.2 py-faster-rcnn框架解读120
• 4.5.3 模型定义与分析134
• 4.5.4 模型训练143
• 4.5.5 模型测试144
• 参考文献146
• 第5章 人脸关键点检测149
• 5.1 关键点检测基础149
• 5.1.1 关键点的定义149
• 5.1.2 关键点的点数发展150
• 5.1.3 关键点检测算法评价153
• 5.1.4 人脸姿态154
• 5.2 传统人脸关键点检测方法154
• 5.2.1 ASM、AAM与CLM算法155
• 5.2.2 级联形状回归算法157
• 5.3 深度学习方法158
• 5.3.1 级联框架158
• 5.3.2 多任务联合框架160
• 5.3.3 遮挡与大姿态问题162
• 5.4 实时人脸关键点检测实践163
• 5.4.1 数据集和基准模型163
• 5.4.2 模型训练164
• 5.4.3 模型测试169
• 5.5 小结171
• 参考文献171
• 第6章 人脸识别173
• 6.1 人脸识别基础173
• 6.1.1 人脸识别基本流程173
• 6.1.2 人脸识别评估173
• 6.1.3 传统人脸识别特征174
• 6.2 深度学习人脸识别核心技术177
• 6.2.1 度量学习177
• 6.2.2 多类别分类学习180
• 6.2.3 人脸分类优化目标的发展182
• 6.3 人脸识别算法面临的挑战和未来186
• 6.3.1 遮挡人脸识别186
• 6.3.2 跨姿态人脸识别187
• 6.3.3 跨年龄人脸识别188
• 6.3.4 妆造不变人脸识别189
• 6.3.5 异质源人脸识别190
• 6.3.6 其他问题190
• 6.3.7 小结191
• 6.4 实战人脸识别模型训练192
• 6.4.1 数据准备与接口封装192
• 6.4.2 模型训练198
• 6.4.3 模型测试204
• 6.4.4 小结208
• 参考文献208
• 第7章 人脸属性识别211
• 7.1 人脸性别识别211
• 7.1.1 人脸性别识别方法211
• 7.1.2 人脸性别识别发展与挑战212
• 7.2 人脸颜值与脸型识别212
• 7.2.1 平均脸和脸型分类212
• 7.2.2 人脸颜值与脸型特征213
• 7.2.3 应用和挑战214
• 7.3 人脸年龄识别214
• 7.3.1 人脸年龄估计模型215
• 7.3.2 传统年龄估计方法216
• 7.3.3 深度学习年龄估计方法216
• 7.3.4 小结218
• 7.4 人脸表情识别218
• 7.4.1 概述218
• 7.4.2 传统表情识别算法219
• 7.4.3 深度学习方法221
• 7.4.4 挑战与展望222
• 7.5 人脸属性识别项目实践223
• 7.5.1 表情识别223
• 7.5.2 年龄识别229
• 7.5.3 总结233
• 参考文献234
• 第8章 人脸属性分割236
• 8.1 图像分割的基础与人脸属性分割的应用236
• 8.1.1 图像分割的含义236
• 8.1.2 经典的图像分割方法236
• 8.1.3 人脸属性分割的应用238
• 8.2 深度学习图像分割核心技术239
• 8.2.1 反卷积239
• 8.2.2 图像分割经典模型241
• 8.2.3 感受野控制、上下文信息与多尺度结构243
• 8.2.4 图像分割后处理技术246
• 8.2.5 图像分割中的难题247
• 8.3 轻量级人脸分割项目实践248
• 8.3.1 数据集与基准模型249
• 8.3.2 模型训练与测试250
• 8.3.3 小结254
• 参考文献255
• 第9章 人脸美颜与美妆257
• 9.1 美颜基础和应用场景257
• 9.1.1 五官重塑257
• 9.1.2 磨皮、美白与肤质调整258
• 9.1.3 上妆258
• 9.2 基于滤波与变形的传统美颜算法259
• 9.2.1 基于变形的五官重塑259
• 9.2.2 基于滤波的磨皮算法261
• 9.2.3 基于肤色模型的美白与肤质调整算法263
• 9.2.4 小结264
• 9.3 妆造迁移算法264
• 9.3.1 传统妆造迁移算法264
• 9.3.2 深度学习算法266
• 9.4 妆造迁移算法实战270
• 9.4.1 项目解读270
• 9.4.2 模型训练282
• 9.4.3 模型测试284
• 参考文献286
• 第10章 人脸三维重建287
• 10.1 三维重建基础287
• 10.1.1 常见三维重建技术287
• 10.1.2 人脸三维重建的特点和难点288
• 10.1.3 人脸三维重建基础技术289
• 10.2 传统三维人脸重建技术290
• 10.2.1 多目立体视觉匹配290
• 10.2.2 3DMM294
• 10.2.3 Shape from Shading297
• 10.2.4 Structure from Motion298
• 10.3 深度学习三维人脸重建298
• 10.3.1 基于3DMM的方法298
• 10.3.2 基于端到端的通用模型300
• 10.3.3 三维人脸重建的难点301
• 10.4 深度学习三维人脸重建实践302
• 10.4.1 BFM模型的使用302
• 10.4.2 基于BFM模型的常见三维特征315
• 10.4.3 PRNet三维重建318
• 10.4.4 小结324
• 参考文献325
• 第11章 人脸属性编辑327
• 11.1 人脸属性编辑基础327
• 11.1.1 人脸属性编辑应用327
• 11.1.2 基于模型的人脸编辑329
• 11.2 深度学习人脸属性编辑方法329
• 11.2.1 GAN基础330
• 11.2.2 图像风格化334
• 11.2.3 表情编辑算法336
• 11.2.4 年龄编辑算法338
• 11.2.5 姿态编辑算法339
• 11.2.6 人脸风格化算法341
• 11.2.7 换脸算法344
• 11.2.8 统一的人脸属性编辑框架345
• 11.2.9 小结347
• 11.3 实战人脸动画头像风格化347
• 11.3.1 项目解读348
• 11.3.2 模型训练358
• 11.3.3 模型测试358
• 参考文献361