复杂环境非约束图像人脸分析和场景识别【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

复杂环境非约束图像人脸分析和场景识别PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 为什么要做图像识别1

1.2 复杂环境非约束图像人脸识别2

1.2.1 复杂环境人脸识别技术4

1.2.2 复杂环境人脸识别面临的挑战7

1.3 复杂环境高分辨率遥感影像场景识别9

1.3.1 复杂环境的遥感影像场景识别技术10

1.3.2 高分辨率遥感影像场景识别面临的挑战12

1.4 相关数据集13

1.4.1 人脸图像数据集13

1.4.2 遥感场景图像数据集14

1.5 本书内容16

第2章 非约束环境下的人脸特征点精确定位18

2.1 引言18

2.2 基于CI-RF的非约束人脸特征点精确定位19

2.2.1 方法概述19

2.2.2 人脸正/负子区域分类20

2.2.3 初始化人脸特征定位21

2.2.4 非约束人脸特征精确定位24

2.2.5 条件权重稀疏投票25

2.3 实验和分析26

2.3.1 实验参数设置26

2.3.2 CI-RF中多概率模型分析和特征分析28

2.3.3 基于CI-RF人脸特征点精确定位分析30

2.3.4 与经典方法的比较31

第3章 自然场景中的头部姿态估计34

3.1 引言34

3.2 RF算法35

3.3 基于D-RF的头部姿态估计37

3.3.1 D-RF的训练38

3.3.2 水平头部姿态估计41

3.3.3 竖直头部姿态估计41

3.4 D-RF的多层概率模型42

3.5 实验和分析43

3.5.1 训练44

3.5.2 测试45

3.5.3 平均准确率比较和分析46

3.5.4 D-RF的级联层数分析46

3.5.5 相关算法的比较47

3.5.6 运行时间的比较47

3.5.7 鲁棒性分析48

第4章 多视角自发表情识别49

4.1 引言49

4.2 M-DNF的自发表情识别51

4.2.1 方法概述51

4.2.2 深度迁移表情特征提取52

4.2.3 多视角网络增强森林52

4.2.4 多视角估计54

4.2.5 多视角条件概率和自发表情识别55

4.3 实验和分析55

4.3.1 实验参数设置55

4.3.2 CK＋数据集的实验分析56

4.3.3 BU-3DFE多视角表情数据集的实验分析58

4.3.4 LFW自然环境中表情数据集的实验分析60

4.3.5 不同方法时间效率的比较61

第5章 多尺度高分辨率遥感影像场景分类62

5.1 引言62

5.2 JMCNN网络结构63

5.2.1 多通道卷积特征提取64

5.2.2 多尺度特征联合65

5.2.3 Softmax分类器及损失函数66

5.3 多尺度高分辨率遥感影像场景分类67

5.3.1 遥感影像数据预处理67

5.3.2 遥感影像场景分类67

5.4 实验和分析69

5.4.1 实验参数设置69

5.4.2 实验1UCM数据集场景识别70

5.4.3 实验2SIRI数据集场景分类实验73

5.4.4 实验3USGS大幅影像场景标注74

第6章 多特征融合的复杂遥感场景识别76

6.1 引言76

6.2 原理方法77

6.2.1 CNN模型78

6.2.2 VGG-19特征提取器80

6.2.3 局部特征的表达80

6.2.4 全局特征的提取83

6.2.5 融合特征的提取及分类83

6.3 实验和分析84

6.3.1 实验参数设置84

6.3.2 卷积层特征表达能力分析84

6.3.3 GLDFB实验结果及分析87

6.3.4 迁移实验91

参考文献92

编后记99