《深度学习之人脸图像处理》内容简介

本书由浅入深、全面系统地介绍人脸图像的各个研究方向和应用场景，包括但不限于基于深度学习的各个方向的核心技术。本书理论体系完备，讲解时提供大量实例，可供读者实战演练。本书涵盖的内容非常广泛，从基本的人脸数据集发展历史和人脸检测开始，分别讲述在此基础上进行的人脸图像处理的相关技术与应用，涉及身份识别、安全认证、人机交互和娱乐社交等领域。本书共11章，涵盖的主要内容有人脸图像与特征基础、深度学习基础、人脸数据集、人脸检测、人脸关键点检测、人脸识别、人脸属性识别、人脸属性分割、人脸美颜与美妆、人脸三维重建及人脸属性编辑。本书适合计算机视觉领域的初学者及所有在人脸图像算法领域想要有所提高的工程技术人员、学生和教职工阅读。读者既可以将本书作为核心算法书籍学习理论知识，也可以将本书作为工程参考手册查阅相关技术。
言有三，真名龙鹏。2012年本科毕业于华中科技大学，后保研至中国科学院并于2015年毕业。先后在奇虎360人工智能研究院和陌陌深度学习实验室从事计算机视觉相关工作，积累了丰富的传统图像处理算法研究心得和深度学习项目实战经验。运营微信公众号“有三AI”和知识星球“有三AI”等社区，内容覆盖深度学习理论、深度学习开源框架、模型架构设计与优化，以及深度学习在计算机视觉和自然语言处理等领域的核心技术与应用，规划并总结了AI算法工程师的完整成长路线。出版了《深度学习之图像识别：核心技术与案例实战》与《深度学习之模型设计：核心算法与案例实践》等著作。

作品目录

前言
第一章：人脸图像与特征基础
1.1、人脸图像基础
1.2、人脸特征基础
1.3、人脸图像工程常用的机器学习算法
第二章：深度学习基础
2.1、神经网络
2.2、卷积神经网络基础
2.3、深度学习优化基础
2.4、深度学习主流开源框架介绍
参考文献
第三章：人脸数据集
3.1、人脸检测数据集
3.2、关键点检测数据集
3.3、人脸识别数据集
3.4、人脸属性分析数据集
3.5、人脸姿态与3D数据集
3.6、人脸活体与伪造数据集
3.7、人脸风格化数据集
第四章：人脸检测
4.1、目标检测基础
4.2、经典人脸检测算法
4.3、深度学习通用目标检测方法
4.4、深度学习人脸检测核心技术
4.5、实战Faster
R-CNN人脸检测
参考文献
第五章：人脸关键点检测
5.1、关键点检测基础
5.2、传统人脸关键点检测方法
5.3、深度学习方法
5.4、实时人脸关键点检测实践
5.5、小结
参考文献
第六章：人脸识别
6.1、人脸识别基础
6.2、深度学习人脸识别核心技术
6.3、人脸识别算法面临的挑战和未来
6.4、实战人脸识别模型训练
参考文献
第七章：人脸属性识别
7.1、人脸性别识别
7.2、人脸颜值与脸型识别
7.3、人脸年龄识别
7.4、人脸表情识别
7.5、人脸属性识别项目实践
参考文献
第八章：人脸属性分割
8.1、图像分割的基础与人脸属性分割的应用
8.2、深度学习图像分割核心技术
8.3、轻量级人脸分割项目实践
参考文献
第九章：人脸美颜与美妆
9.1、美颜基础和应用场景
9.2、基于滤波与变形的传统美颜算法
9.3、妆造迁移算法
9.4、妆造迁移算法实战
参考文献
第十章：人脸三维重建
10.1、三维重建基础
10.2、传统三维人脸重建技术
10.3、深度学习三维人脸重建
10.4、深度学习三维人脸重建实践
参考文献
第十一章：人脸属性编辑
11.1、人脸属性编辑基础
11.2、深度学习人脸属性编辑方法
11.3、实战人脸动画头像风格化
参考文献