第1章項(xiàng)目入門階段一

\n

\n

1.1最初的思考

\n

\n

1.2研究平臺(tái)架構(gòu)

\n

\n

1.2.1系統(tǒng)設(shè)計(jì)需求

\n

\n

1.2.2系統(tǒng)設(shè)計(jì)方案

\n

\n

1.3數(shù)據(jù)采集原理

\n

\n

1.3.1確定取景范圍

\n

\n

1.3.2低通采樣原理

\n

\n

1.3.3數(shù)字信號(hào)重建

\n

\n

1.4開(kāi)發(fā)界面設(shè)計(jì)

\n

\n

1.4.1基本信息獲取

\n

\n

1.4.2功能面板組成

\n

\n

1.4.3界面設(shè)計(jì)過(guò)程

\n

\n

1.5智能采集系統(tǒng)

\n

\n

1.5.1圖形用戶界面

\n

\n

1.5.2技術(shù)模塊演示

\n

\n

1.6小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第2章項(xiàng)目入門階段二

\n

\n

2.1不完美的智能

\n

\n

2.2噪聲處理算法

\n

\n

2.2.1均值濾波去噪

\n

\n

2.2.2中值濾波去噪

\n

\n

2.2.3小波軟閾值去噪

\n

\n

2.2.4小波硬閾值去噪

\n

\n

2.2.5輪廓波閾值去噪

\n

\n

2.3模塊化設(shè)計(jì)與調(diào)試

\n

\n

2.3.1技術(shù)模塊布局

\n

\n

2.3.2技術(shù)模塊演示

\n

\n

2.3.3核心代碼

\n

\n

2.4小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

\n

\n

\n

\n

第3章項(xiàng)目入門階段三

\n

\n

3.1進(jìn)一步的思考

\n

\n

3.2從局部到非局部

\n

\n

3.2.1非局部濾波原理

\n

\n

3.2.2存在的不足

\n

\n

3.2.3算法改進(jìn)思路

\n

\n

3.3應(yīng)用探索和嘗試

\n

\n

3.3.1運(yùn)動(dòng)目標(biāo)檢測(cè)

\n

\n

3.3.2算法設(shè)計(jì)思想

\n

\n

3.3.3算法設(shè)計(jì)過(guò)程

\n

\n

3.4實(shí)驗(yàn)結(jié)果與結(jié)論

\n

\n

3.4.1預(yù)測(cè)實(shí)驗(yàn)結(jié)果

\n

\n

3.4.2觀察收集實(shí)驗(yàn)結(jié)果

\n

\n

3.4.3實(shí)驗(yàn)結(jié)果分析

\n

\n

3.5小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第4章項(xiàng)目探索階段一

\n

\n

4.1最初的假設(shè)

\n

\n

4.2邊緣檢測(cè)與分割

\n

\n

4.2.1主要的算法思想

\n

\n

4.2.2數(shù)學(xué)建模思路

\n

\n

4.3從邊緣檢測(cè)到閾值分割

\n

\n

4.3.1主要的算法思想

\n

\n

4.3.2數(shù)學(xué)建模思路

\n

\n

4.4均衡化的考慮

\n

\n

4.4.1圖像均衡化原理

\n

\n

4.4.2模型與算法設(shè)計(jì)

\n

\n

4.4.3從均衡化到規(guī)范化

\n

\n

4.5模塊化設(shè)計(jì)的探索

\n

\n

4.5.1模塊化的基本框架

\n

\n

4.5.2邊緣檢測(cè)技術(shù)模塊

\n

\n

4.5.3閾值分割技術(shù)模塊

\n

\n

4.5.4直方圖均衡化模塊

\n

\n

4.6小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第5章項(xiàng)目探索階段二

\n

\n

5.1初始假設(shè)的拓展

\n

\n

5.2區(qū)域生長(zhǎng)算法原理

\n

\n

5.2.1算法數(shù)據(jù)流分析

\n

\n

5.2.2算法卷積層分析

\n

\n

5.2.3策略信息點(diǎn)池化

\n

\n

5.2.4邏輯回歸與二分類

\n

\n

5.3遮擋區(qū)域提取實(shí)驗(yàn)

\n

\n

5.3.1右側(cè)臉+N95口罩

\n

\n

5.3.2左側(cè)臉+N95口罩

\n

\n

5.3.3俯視臉+N95口罩

\n

\n

5.3.4仰視臉+N95口罩

\n

\n

5.3.5正臉+醫(yī)用外科口罩

\n

\n

5.3.6左側(cè)臉+醫(yī)用外科口罩

\n

\n

5.3.7右側(cè)臉+醫(yī)用外科口罩

\n

\n

5.3.8俯視臉+醫(yī)用外科口罩

\n

\n

5.3.9仰視臉+醫(yī)用外科口罩

\n

\n

5.4區(qū)域生長(zhǎng)算法核心代碼展示

\n

\n

5.4.1MATLAB核心代碼

\n

\n

5.4.2Python核心代碼

\n

\n

5.5小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第6章項(xiàng)目探索階段三

\n

\n

6.1初始假設(shè)的延伸

\n

\n

6.2數(shù)字圖像的深度認(rèn)知

\n

\n

6.2.1從圖像處理到圖像理解

\n

\n

6.2.2圖像工程的三個(gè)層級(jí)

\n

\n

6.3圖像分割的數(shù)學(xué)定義

\n

\n

6.3.1問(wèn)題、特征與規(guī)律

\n

\n

6.3.2分割條件的數(shù)學(xué)表達(dá)

\n

\n

6.3.3目標(biāo)區(qū)域與背景解釋

\n

\n

6.4圖像變換與圖像操作

\n

\n

6.4.1圖像變換原理

\n

\n

6.4.2從變換到操作

\n

\n

6.4.3實(shí)驗(yàn)結(jié)果展示

\n

\n

6.5圖像變換與圖像分割的結(jié)合

\n

\n

6.5.1閾值篩選優(yōu)化思路

\n

\n

6.5.2相關(guān)概率知識(shí)補(bǔ)充

\n

\n

6.5.3分割過(guò)程的數(shù)學(xué)表達(dá)

\n

\n

6.6人臉背景去除實(shí)驗(yàn)

\n

\n

6.6.1閾值分割去除

\n

\n

6.6.2裁剪分割去除

\n

\n

6.6.3裁剪縮放分割旋轉(zhuǎn)

\n

\n

6.7小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第7章項(xiàng)目探索階段四

\n

\n

7.1進(jìn)一步的假設(shè)

\n

\n

7.2從圖像邊緣到圖像特征

\n

\n

7.2.1檢測(cè)方法的分類

\n

\n

7.2.2圖像特征的分類

\n

\n

7.2.3邊緣特征的分類

\n

\n

7.3邊緣的理解與表達(dá)

\n

\n

7.3.1從函數(shù)的角度解釋

\n

\n

7.3.2基本算法思想解釋

\n

\n

7.3.3一階導(dǎo)數(shù)與卷積操作

\n

\n

7.3.4二階導(dǎo)數(shù)與通用掩模

\n

\n

7.4邊緣檢測(cè)深入解讀

\n

\n

7.4.1Roberts算子深入解讀

\n

\n

7.4.2Prewitt算子深入解讀

\n

\n

7.4.3Sobel算子深入解讀

\n

\n

7.4.4LoG算子深入解讀

\n

\n

7.4.5Canny算子深入解讀

\n

\n

7.5從邊緣檢測(cè)到邊緣增強(qiáng)

\n

\n

7.5.1基本算法思想解釋

\n

\n

7.5.2算法設(shè)計(jì)與編程實(shí)現(xiàn)

\n

\n

7.5.3邊緣增強(qiáng)的實(shí)驗(yàn)結(jié)果

\n

\n

7.6小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第8章項(xiàng)目實(shí)戰(zhàn)階段一

\n

\n

8.1最初的嘗試

\n

\n

8.2從圖像融合到人臉識(shí)別

\n

\n

8.2.1問(wèn)題背景與解決方案

\n

\n

8.2.2解決方案的實(shí)現(xiàn)途徑

\n

\n

8.3人臉圖像融合原理

\n

\n

8.3.1融合技術(shù)的三個(gè)層次

\n

\n

8.3.2算法思想與建模過(guò)程

\n

\n

8.3.3技術(shù)實(shí)現(xiàn)的主要步驟

\n

\n

8.4技術(shù)開(kāi)發(fā)系統(tǒng)及代碼

\n

\n

8.4.1圖形用戶界面設(shè)計(jì)

\n

\n

8.4.2圖形用戶界面調(diào)試

\n

\n

8.4.3技術(shù)核心代碼展示

\n

\n

8.5技術(shù)模塊化實(shí)現(xiàn)過(guò)程

\n

\n

8.5.1模塊化思路分析

\n

\n

8.5.2基礎(chǔ)融合技術(shù)模塊

\n

\n

8.5.3高級(jí)融合技術(shù)模塊

\n

\n

8.6人臉融合實(shí)驗(yàn)結(jié)果

\n

\n

8.7小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第9章項(xiàng)目實(shí)戰(zhàn)階段二

\n

\n

9.1借助深度學(xué)習(xí)

\n

\n

9.2深度學(xué)習(xí)基本原理

\n

\n

9.2.1理解“深度”的含義

\n

\n

9.2.2主流深度學(xué)習(xí)模型

\n

\n

9.2.3MATLAB代碼實(shí)現(xiàn)

\n

\n

9.3從MATLAB到Python

\n

\n

9.3.1一個(gè)實(shí)用的開(kāi)發(fā)框架

\n

\n

9.3.2TensorFlow基本概念 

\n

\n

9.3.3TensorFlow安裝過(guò)程

\n

\n

9.4遮擋區(qū)域提取方案

\n

\n

9.4.1基礎(chǔ)模型結(jié)構(gòu)

\n

\n

9.4.2加載訓(xùn)練好的模型

\n

\n

9.4.3核心代碼

\n

\n

9.5遮擋區(qū)域提取實(shí)驗(yàn)

\n

\n

9.5.1設(shè)置口罩保存路徑

\n

\n

9.5.2人臉目標(biāo)區(qū)域保存

\n

\n

9.5.3完整實(shí)驗(yàn)結(jié)果

\n

\n

9.6項(xiàng)目實(shí)戰(zhàn)代碼

\n

\n

9.7小結(jié)

\n

\n

參考文獻(xiàn)

\n

\n

第10章項(xiàng)目實(shí)戰(zhàn)階段三

\n

\n

10.1超越深度學(xué)習(xí)

\n

\n

10.2寬度學(xué)習(xí)的算法思想

\n

\n

10.2.1寬度學(xué)習(xí)系統(tǒng)結(jié)構(gòu)

\n

\n

10.2.2網(wǎng)絡(luò)權(quán)重求解過(guò)程

\n

\n

10.2.3動(dòng)態(tài)逐步更新算法

\n

\n

10.3高效的增量學(xué)習(xí)模型

\n

\n

10.3.1寬度學(xué)習(xí)系統(tǒng)的優(yōu)勢(shì)

\n

\n

10.3.2寬度學(xué)習(xí)技術(shù)的核心

\n

\n

10.3.3高效增量學(xué)習(xí)機(jī)制

\n

\n

10.4寬度學(xué)習(xí)代碼解讀及調(diào)試

\n

\n

10.4.1基礎(chǔ)代碼及調(diào)試

\n

\n

10.4.2實(shí)驗(yàn)結(jié)果分析

\n

\n

10.4.3遮擋人臉識(shí)別平臺(tái)開(kāi)發(fā)

\n

\n

參考文獻(xiàn)

\n

\n

后記

\n

\n