人工智能实战进阶导引

人工智能实战进阶导引"

作者:王文峰,安鹏,王海洋,李小强,栾博,张晶晶
ISBN:9787302603290
定价:¥79
字数:千字
页数:
出版时间:2022.06.01
开本:
版次:1-1
装帧:
出版社:清华大学出版社
简介

本书选择以遮挡人脸识别这一当今世界难题为例,探索人工智能技术实战进阶之路。本书重现了笔者对人脸有无口罩识别、口罩分割提取、遮挡人脸识别等方面的技术探索与实现过程。从视频图像的智能分割、图像区域生长算法设计与实现、智能采集、智能分割、智能变换、智能融合、图像边缘智能检测、图像非局部均值滤波等角度入手,尝试了遮挡人脸图像处理的探索,并最终分别基于MATLAB和Python实现了遮挡人脸识别。本书内容通俗易懂,适用于对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生,还是希望向人工智能领域转型的技术人员,都可以通过本书的指引,轻松完成人工智能实战进阶。

前言

一般来说,人工智能的起源可以追溯到艾伦·麦席森·图灵(Alan M.Turing)在1948年撰写但未发表的论文Intelligent Machinery及在1950年发表的论文Computing Machinery and Intelligence。2017年,《福布斯》杂志整理了人工智能编年体简史,认为人工智能的起源至少可以追溯到700多年前。早在1308年,西班牙加泰罗尼亚诗人、神学家拉蒙·鲁尔(Ramon Lull)就提出了使用“逻辑机”从概念组合中创造新知识的方法,被认为是关于人工智能的最早畅想。400多年后,托马斯·贝叶斯(Thomas Bayes)建立了用于推理事件概率的框架,该框架被广泛应用至今。之后科学家采用无线电、机械和自动控制等手段进行了一些有关智能机器的尝试。1948年,神经学家威廉·格雷·沃尔特(William Grey Walter)制造了第一个机器人。1956年,麦卡锡、明斯基等科学家在达特茅斯学院探讨了一个史无前例的问题,即“如何用机器模拟人的智能”,人工智能学科才正式诞生。在过去的60多年,人工智能先后经历了“狂热”“寒冬”和“复兴”,最终进入平稳发展阶段,无时无刻不在改变着世界,已经成为真正的“世纪机遇”。

伴随着人工智能技术的发展,市场上已经出现了一些关于人工智能理论的著作。这些著作对于全面理解智能科学与技术相关理论具有重要意义。但是,对于需要尽快完成技术转型的开发者,更需要一本人工智能实战进阶指南引导类书籍。本书选择以遮挡人脸识别这一当今世界难题为例,探索人工智能技术实战进阶之路。采用MATLAB、Python等大众化的编程语言,以层层递进的方式依次探索图像智能采集、图像智能去噪、图像非局部均值滤波、图像智能分割、图像区域生长、图像智能变换、图像边缘智能检测、图像智能融合、遮挡人脸深度学习、遮挡人脸智能识别等技术。

目前,人工智能项目入门阶段常使用MATLAB和Python两种编程语言。其中,Python应用正在逐步占据更大比重,但是MATLAB丰富强大的工具箱更适合人工智能初学者入门使用。为了帮助初学者快速入门,本书介绍的十项技术中,前八项技术采用MATLAB进行演示,后两项技术采用Python实现。

“视觉是智能的基石”,因此,本书以遮挡人脸识别问题为主线,对机器视觉算法的数学表达、模型推导和技术实现流程进行较为系统的介绍和讨论。

全书共10章,大致分为3部分。第1部分(第1~3章)为人工智能项目入门阶段,以遮挡人脸图像采集、去噪滤波等技术为例,演示了项目数据的采集和预处理技术。第2部分(第4~7章)为人工智能项目探索阶段,以遮挡人脸图像分割、区域生长、智能变换及边缘提取等技术为例,重现了项目实战前的探索过程。第3部分(第8~10章)为人工智能项目实战阶段,以遮挡人脸识别技术的最终实现为例,进一步演示了遮挡人脸智能融合、遮挡人脸深度学习、遮挡人脸智能识别等问题的分级探索、尝试及实战细节。

各章节涉及的模型、算法与代码均已提供详尽的解释,确保零基础的读者也可以快速进阶。

本书也记录了笔者在上海市高水平产业基地“智能感知与遮挡人脸识别协同创新平台”建设过程中对人脸有无口罩检测、口罩分割提取、遮挡人脸识别等问题的部分思考、尝试与探索。希望能对读者有所启发,并可推广到智能科学与技术涉及的其他应用领域。

本书特色

(1) 引导启发。本书以富有挑战性的遮挡人脸识别问题为例,引导茫然不知从何处入手的初学者探索人工智能实战进阶之路; 本书对人工智能的复杂学科思想进行了必要的梳理和凝练,帮助迫切需要向人工智能领域转型的开发人员打开“智能之门”。

(2) 循序渐进。本书集人工智能理论、算法、代码于一体,从最初级的实践探索开始,循序渐进,帮助初学者在较短的时间内全方位、系统地理解人工智能实战的技术原理,并且把这些技术原理应用在遮挡人脸识别中,做到原理与实战的融合与贯通。

(3) 容易上手。本书内容通俗易懂,极易上手,适合对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生,还是希望向人工智能领域转型的技术人员,都可以通过本书的指引,轻松完成人工智能实战进阶。

致谢

本书包含了上海市高水平产业基地——“智能感知与遮挡人脸识别协同创新平台”建设项目、中国科学院维稳专项、国家千人计划项目可公开的部分成果。在此对中国科学院及上海应用技术大学领导的大力支持表示感谢!感谢“智能感知与遮挡人脸识别协同创新平台”负责人钱平教授的指导!感谢清华大学出版社王芳编辑贡献的时间和智慧!本书所公开的宽度学习算法与代码已得到算法创始人、欧洲科学院外籍院士陈俊龙教授的许可,在此对陈教授深表谢意!

项目参与人(部分章节的合作作者)韩君驰、贺宇超、周奕君、张超、张桁、黄堃、李修涵、周子耀、刘习闻、韩子君、张思钰等参与代码调试,并授权笔者在书中使用其人脸数据,在此郑重感谢!

感谢家人!家人的理解和支持,一直是我们前行的勇气和力量!

由于编者水平有限,书中不妥或疏漏之处在所难免,欢迎读者批评指正。

部分代码下载

编者

2021年11月

目录

第1章项目入门阶段一

1.1最初的思考

1.2研究平台架构

1.2.1系统设计需求

1.2.2系统设计方案

1.3数据采集原理

1.3.1确定取景范围

1.3.2低通采样原理

1.3.3数字信号重建

1.4开发界面设计

1.4.1基本信息获取

1.4.2功能面板组成

1.4.3界面设计过程

1.5智能采集系统

1.5.1图形用户界面

1.5.2技术模块演示

1.6小结

参考文献

第2章项目入门阶段二

2.1不完美的智能

2.2噪声处理算法

2.2.1均值滤波去噪

2.2.2中值滤波去噪

2.2.3小波软阈值去噪

2.2.4小波硬阈值去噪

2.2.5轮廓波阈值去噪

2.3模块化设计与调试

2.3.1技术模块布局

2.3.2技术模块演示

2.3.3核心代码

2.4小结

参考文献

第3章项目入门阶段三

3.1进一步的思考

3.2从局部到非局部

3.2.1非局部滤波原理

3.2.2存在的不足

3.2.3算法改进思路

3.3应用探索和尝试

3.3.1运动目标检测

3.3.2算法设计思想

3.3.3算法设计过程

3.4实验结果与结论

3.4.1预测实验结果

3.4.2观察收集实验结果

3.4.3实验结果分析

3.5小结

参考文献

第4章项目探索阶段一

4.1最初的假设

4.2边缘检测与分割

4.2.1主要的算法思想

4.2.2数学建模思路

4.3从边缘检测到阈值分割

4.3.1主要的算法思想

4.3.2数学建模思路

4.4均衡化的考虑

4.4.1图像均衡化原理

4.4.2模型与算法设计

4.4.3从均衡化到规范化

4.5模块化设计的探索

4.5.1模块化的基本框架

4.5.2边缘检测技术模块

4.5.3阈值分割技术模块

4.5.4直方图均衡化模块

4.6小结

参考文献

第5章项目探索阶段二

5.1初始假设的拓展

5.2区域生长算法原理

5.2.1算法数据流分析

5.2.2算法卷积层分析

5.2.3策略信息点池化

5.2.4逻辑回归与二分类

5.3遮挡区域提取实验

5.3.1右侧脸+N95口罩

5.3.2左侧脸+N95口罩

5.3.3俯视脸+N95口罩

5.3.4仰视脸+N95口罩

5.3.5正脸+医用外科口罩

5.3.6左侧脸+医用外科口罩

5.3.7右侧脸+医用外科口罩

5.3.8俯视脸+医用外科口罩

5.3.9仰视脸+医用外科口罩

5.4区域生长算法核心代码展示

5.4.1MATLAB核心代码

5.4.2Python核心代码

5.5小结

参考文献

第6章项目探索阶段三

6.1初始假设的延伸

6.2数字图像的深度认知

6.2.1从图像处理到图像理解

6.2.2图像工程的三个层级

6.3图像分割的数学定义

6.3.1问题、特征与规律

6.3.2分割条件的数学表达

6.3.3目标区域与背景解释

6.4图像变换与图像操作

6.4.1图像变换原理

6.4.2从变换到操作

6.4.3实验结果展示

6.5图像变换与图像分割的结合

6.5.1阈值筛选优化思路

6.5.2相关概率知识补充

6.5.3分割过程的数学表达

6.6人脸背景去除实验

6.6.1阈值分割去除

6.6.2裁剪分割去除

6.6.3裁剪缩放分割旋转

6.7小结

参考文献

第7章项目探索阶段四

7.1进一步的假设

7.2从图像边缘到图像特征

7.2.1检测方法的分类

7.2.2图像特征的分类

7.2.3边缘特征的分类

7.3边缘的理解与表达

7.3.1从函数的角度解释

7.3.2基本算法思想解释

7.3.3一阶导数与卷积操作

7.3.4二阶导数与通用掩模

7.4边缘检测深入解读

7.4.1Roberts算子深入解读

7.4.2Prewitt算子深入解读

7.4.3Sobel算子深入解读

7.4.4LoG算子深入解读

7.4.5Canny算子深入解读

7.5从边缘检测到边缘增强

7.5.1基本算法思想解释

7.5.2算法设计与编程实现

7.5.3边缘增强的实验结果

7.6小结

参考文献

第8章项目实战阶段一

8.1最初的尝试

8.2从图像融合到人脸识别

8.2.1问题背景与解决方案

8.2.2解决方案的实现途径

8.3人脸图像融合原理

8.3.1融合技术的三个层次

8.3.2算法思想与建模过程

8.3.3技术实现的主要步骤

8.4技术开发系统及代码

8.4.1图形用户界面设计

8.4.2图形用户界面调试

8.4.3技术核心代码展示

8.5技术模块化实现过程

8.5.1模块化思路分析

8.5.2基础融合技术模块

8.5.3高级融合技术模块

8.6人脸融合实验结果

8.7小结

参考文献

第9章项目实战阶段二

9.1借助深度学习

9.2深度学习基本原理

9.2.1理解“深度”的含义

9.2.2主流深度学习模型

9.2.3MATLAB代码实现

9.3从MATLAB到Python

9.3.1一个实用的开发框架

9.3.2TensorFlow基本概念 

9.3.3TensorFlow安装过程

9.4遮挡区域提取方案

9.4.1基础模型结构

9.4.2加载训练好的模型

9.4.3核心代码

9.5遮挡区域提取实验

9.5.1设置口罩保存路径

9.5.2人脸目标区域保存

9.5.3完整实验结果

9.6项目实战代码

9.7小结

参考文献

第10章项目实战阶段三

10.1超越深度学习

10.2宽度学习的算法思想

10.2.1宽度学习系统结构

10.2.2网络权重求解过程

10.2.3动态逐步更新算法

10.3高效的增量学习模型

10.3.1宽度学习系统的优势

10.3.2宽度学习技术的核心

10.3.3高效增量学习机制

10.4宽度学习代码解读及调试

10.4.1基础代码及调试

10.4.2实验结果分析

10.4.3遮挡人脸识别平台开发

参考文献

后记

作者简介

编辑推荐

通过本书奠定研究人工智能的信心!助力快速入门的人工智能实战进阶指南!本书系统介绍机器视觉算法的数学表达、模型推导和技术实现流程,详细介绍了遮挡人脸识别的典型案例,覆盖典型的应用场景,构建实用性的人脸识别解决方案。

作者寄语

电子资料

www.luweidong.cn

下一个