最成熟AI套件之實作: MATLAB人工智慧工具書 (熱銷版) | 誠品線上

最成熟AI套件之實作: MATLAB人工智慧工具書 (熱銷版)

內容簡介

內容簡介 整合研發專案部分可公開的成果，部分原創演算法已被實現並收錄到國際標準原始程式碼函數庫中，研究價值高；循序漸進，容易上手、配備完整的程式，可擴充性強！人臉建函數庫、人臉檢測追蹤識別與特定行為分析演算法作為MATLAB混合程式設計的實例，本身即為一完整、獨立的機器學習與視覺感知技術模組，可擴充性強。此外，還借助圖形化使用者介面(GUI)，提供直觀的介面示範。書中演算法均配有完整的MATLAB程式，有助讀者深入了解其設計思想，延伸思考與擴充空間，進而達到觸類旁通的效果。

作者介紹

作者介紹 王文峰、李大湘、王棟、王慶香、郭裕蘭、DLG王文峰中國科學院西部之光學者、哈工大機器人 (合肥) 國際創新研究院類腦智慧研究中心學術主任、IEEE及Springer旗下多個國際會議委員及分會場主席、國家自然科學基金項目評審專家，以及DLG聯合發起人。李大湘主要研究領域為機器學習、電腦視覺與視訊影像語義分析，並且在電子訊息現場勘驗應用技術公安部重點實驗室從事刑偵視訊影像處理與分析的算法研究，以及監控視訊中的人臉檢測、識別算法研究與系統開發。王棟美國史丹佛大學 (Stanford University) 訪問學者與特聘研究員，專注於腦機交互與類腦智慧研究。

產品目錄

產品目錄 Chapter 01 影像輪廓分析及人臉檢測1.1 第1階段：入門1.1.1 輪廓分析問題1.1.2 輪廓分析函數1.1.3 數學形態學運算1.2 第2階段：進階1.2.1 邊緣檢測運算元1.2.2 haar-like特徵1.3 第3 階段：實戰1.3.1 膚色機率建模1.3.2 人臉檢測實戰Chapter 02 影像邊界顯示及人臉對齊2.1 第1階段：入門2.1.1 邊界顯示問題2.1.2 邊界顯示函數2.2 第2階段：進階2.2.1 影像邊界處理2.2.2 區域屬性度量2.3 第3階段：實戰2.3.1 空間幾何轉換2.3.2 人臉對齊原理2.3.3 人臉對齊實戰Chapter 03 影像取樣編碼及人臉重構3.1 第1階段：入門3.1.1 取樣編碼問題3.1.2 取樣編碼函數3.2 第2階段：進階3.2.1 人臉影像取樣3.2.2 人臉範本產生3.3 第3階段：實戰3.3.1 資料庫初始化3.3.2 遮擋區域驗證3.3.3 人臉重構實戰Chapter 04 視訊影像轉換及人臉追蹤4.1 第1階段：入門4.1.1 視訊轉換問題4.1.2 視訊轉換函數4.2 第2階段：進階4.2.1 視訊壓縮感知4.2.2 視訊壓縮追蹤4.3 第3階段：實戰4.3.1 混編環境設定4.3.2 C++ 檔案編譯4.3.3 人臉追蹤實戰Chapter 05 類腦視覺認知及人臉識別5.1 第1階段：入門5.1.1 類腦認知問題5.1.2 類腦認知函數5.2 第2階段：進階5.2.1 類腦視覺認知5.2.2 類腦特徵計算5.2.3 類腦特徵學習5.3 第3階段：實戰5.3.1 深度學習實戰5.3.2 寬度學習實戰5.3.3 人臉識別實戰AppendixA 參考文獻

商品規格

最佳賣點

最佳賣點 : 本書適合對MATLAB人臉辨別有興趣者外，亦適合相關領域之從業人員與大學、研究所師生。從初等的函數用法介紹，逐步過渡至較高階的混合程式設計，並從經典的特徵臉主成分分析方法，進階至研究壓縮感知與深度學習等人臉識別演算法。

試閱文字

自序 : 本書旨在介紹人臉識別應用中的關鍵技術問題，深入淺出、循序漸進地解析MATLAB人臉識別中的演算法思想、識別原理與進階程式設計技巧，力圖讓讀者具備大規模程式設計所需的技術模組設計和整合開發能力，並能以本書所說明為基礎的MATLAB人臉識別演算法設計思想、圖形化使用者介面設計與偵錯等內容，更深刻地了解真實場景下的人臉識別技術系統。

　　✤本書特點
　　部分演算法原創，研究價值較高
　　本書整合了研發專案部分可公開的研究成果，部分原創演算法已被實現並收錄到國際標準原始程式碼函數庫中，具有較高的研究價值。

　　循序漸進，易上手，配備完整的程式，可擴充性強
　　本書從初等的函數用法講起，逐步過渡到較高階的混合程式設計，並從經典的特徵臉主成分分析方法逐步過渡到壓縮感知和深度學習等人臉識別演算法方面，其中，人臉建函數庫、人臉檢測追蹤識別和特定行為分析演算法作為MATLAB混合程式設計的實例，本身就是一個完整、獨立的機器學習與視覺感知技術模組，可擴充性強。本書還借助圖形化使用者介面（GUI）提供了直觀的介面示範，並且所有演算法均配有完整的MATLAB程式，有助讀者系統且深入地了解演算法設計思想，並延伸思考空間和擴充空間，達到觸類旁通的效果。

　　✤內容架構
　　本書共分為5章，每章都分為3個階段，以對人臉識別從入門到進階再到實戰這3個階段的遞進為主線，探討了人臉識別的5個技術模組，引導讀者對人臉識別演算法的認知，一步步變得成熟，也分享了作者在實戰過程中的一些直觀感受和認識。

　　【第1章】影像輪廓分析及人臉檢測
　　第1階段（入門）引導讀者完成對影像輪廓分析的初步了解，並掌握MATLAB輪廓分析函數及與之連結的數字形態學運算函數的實際用法。第2階段（進階）引導讀者進一步了解影像輪廓分析，並初步了解邊緣檢測運算元，然後結合haar-like特徵，讓讀者初步了解以特徵點為基礎的人臉檢測思想。第3階段（實戰）有關膚色機率建模和人臉檢測實戰，分享了作者在實戰階段對人臉檢測演算法設計思想、圖形化使用者介面（GUI）系統設計及膚色參數設定等的一些感觸和認識。實戰本階段的目標是透過以GUI方式顯示人臉檢測的使用者操作介面，將以膚色機率模型為基礎的人臉檢測演算法整合到圖形使用者介面，讓讀者可以方便地完成偵錯和應用。

　　【第2章】影像邊界顯示及人臉對齊
　　第1階段（入門）引導讀者完成對影像邊界顯示的初步了解，並掌握MATLAB的影像邊界顯示函數及其實際用法。第2階段（進階）引導讀者進一步了解影像邊界顯示，並初步了解影像邊界處理函數，然後結合MATLAB中的regionprops函數，初步嘗試去度量影像區域的屬性。第3階段（實戰）有關空間幾何轉換、人臉對齊原理和人臉對齊實戰等三部分，分享了作者在實戰階段對人臉對齊演算法設計思想、建模思想及程式設計技巧等實戰方面的一些感觸和認識。實戰階段的目標是用GUI方式顯示人臉對齊操作使用者介面，將人臉對齊的經典演算法整合到圖形使用者介面，產生讀者可自如偵錯、編輯的圖形化使用者介面（GUI）。

　　【第3章】影像取樣編碼及人臉重構
　　第1階段（入門）引導讀者完成對影像取樣編碼問題的初步了解，並掌握MATLAB影像取樣編碼函數及其實際用法。第2階段（進階）引導讀者進一步了解影像取樣編碼，完成對人臉影像取樣函數的了解與實現，並結合以主成分分析方法為基礎的人臉範本產生技術，初步嘗試了解MATLAB特徵臉建函數庫的基本流程。第3階段（實戰）有關資料庫初始化、遮擋區域驗證和人臉重構實戰等三部分，分享了作者對演算法設計思想、建模想法的一些感觸和認識，也分享了作者在MATLAB自訂函數設計、演算法程式實現等方面的實戰心得。實戰階段的目標是掌握可用於處理遮擋問題的人臉重構演算法，會設計相關的MATLAB自訂函數並將其整合到圖形化使用者介面（GUI），具備演算法實現及相關GUI的編輯和開發能力。

　　【第4章】視訊影像轉換及人臉追蹤
　　第1階段（入門）引導讀者完成對視訊影像轉換問題的初步了解，並掌握MATLAB視訊影像轉換函數及其實際用法，並設計了一些自訂函數。第2階段（進階）引導讀者進一步了解視訊影像取樣，了解視訊壓縮感知並初步實現視訊壓縮追蹤。第3階段（實戰）有關混合程式設計介面、C++檔案編譯和人臉追蹤實戰等三部分，分享了作者在實戰階段對人臉追蹤演算法設計思想、實現過程及混編技巧等的一些感觸和認識。實戰階段的目標是設計直觀的人臉追蹤操作使用者介面，並將視訊壓縮追蹤演算法整合到人臉追蹤使用者介面，產生可方便讀者編輯的GUI，並初步了解MATLAB混合程式設計思想和混編原理。

　　【第5章】類別腦視覺認知及人臉識別
　　第1階段（入門）引導讀者完成對類別腦視覺認知問題的初步了解，介紹與之連結的一些MATLAB函數及其實際用法，並初步介紹了一些自訂函數。第2階段（進階）引導讀者進一步了解類別腦視覺認知，並初步實現類別腦視覺認知、類別腦特徵計算、類別腦特徵學習。第3階段（實戰）有關深度學習實戰、寬度學習實戰和人臉識別實戰等三部分，分別示範了深度學習、寬度學習在二維人臉識別中的效果，以及RoPS特徵在3D人臉識別中的效果，分享了作者在實戰階段對人臉識別演算法的設計思想、建模思想及程式設計技巧等的一些感觸和認識。實戰階段的目標是用圖形方式分別顯示以深度學習、寬度學習及RoPS為基礎的人臉識別操作使用者介面，將人臉識別的經典演算法整合到圖形使用者介面，產生讀者可自如偵錯、編輯的圖形化使用者介面（GUI）。

　　✤繁體中文版說明
　　本書程式碼使用MatLab，為維持程式碼及作者使用圖型之完整性，本書之程式碼及書中畫面保留簡體中文介面，請讀者參照書中內容實作。

試閱文字

內文 : 3.1.1 取樣編碼問題
在工程實作中，人臉影像的比對因為要達到即時性，所以必須進行容錯資
訊處理，可以將這種處理過程理解為一種數學轉換，實際來講就是人臉影
像的稀疏表示（Sparse Representation），這自然就引出了影像取樣編碼的
問題。我們將影像稀疏表示理解為透過最少數量的係數，盡可能更多地描
述影像的資訊（也可叫作能量），而不同的影像類別在不同的數學轉換下，
其能量係數的分布也常常有所不同。影像稀疏表示的目標，就是在指定的
超完備字典中，用盡可能少的元素來表示影像的資訊，以獲得更為簡潔的
資訊表達，進一步使我們更快速地取得影像中所蘊含的主要資訊，方便我
們進一步對影像進行加工處理，例如影像壓縮、稀疏編碼等。影像稀疏表
示相關的焦點問題主要集中在稀疏分解、超完備字典和稀疏編碼問題等方
面。參考壓縮感知中訊號重構的說法，我們也可將影像稀疏編碼理解為一
種影像重構。
做過壓縮感知的朋友，常喜歡找一維的稀疏訊號來驗證壓縮感知理論相關
的一些原理、性質和演算法。影像稀疏表示屬於二維稀疏訊號的描述，因
此，二維稀疏訊號不僅可以用來驗證壓縮感知中的一些重構問題，也可以
用來幫助了解影像的稀疏表示。在影像稀疏表示理論未提出前，二維稀疏
訊號表達主要採用正交字典和雙正交字典。正交字典和雙正交字典的優點
是數學模型簡單，符合工程應用的即時性要求，但它們也有明顯的不足之
處，就是自我調整能力差，不能靈活、全面地表示二維訊號。在1993 年，
科學家發現訊號可以用一個超完備字典來表示，這被認為是稀疏表示的開
端。因為訊號越稀疏，其重構後的精度就越高，所以訊號的稀疏表示迅速
成為研究的熱點，不僅如此，稀疏表示還可以根據訊號的本身特點，自我
調整地選擇更理想的超完備字典。