|
6811| 47
|
Python+TensorFlow打造人臉識(shí)別智能小程序 |
|
Python+TensorFlow打造人臉識(shí)別智能小程序 第1章 課程導(dǎo)學(xué) 本章節(jié)主要介紹課程的主要內(nèi)容、核心知識(shí)點(diǎn)、課程涉及到的應(yīng)用案例、深度學(xué)習(xí)算法設(shè)計(jì)通用流程、適應(yīng)人群、學(xué)習(xí)本門課程的前置條件、學(xué)習(xí)后達(dá)到的效果等，幫助大家從整體上了解本門課程的整體脈絡(luò)。 1-1 課程導(dǎo)學(xué) 試看 第2章 深度學(xué)習(xí)基礎(chǔ)串講（必備理論知識(shí)） 主要介紹深度學(xué)習(xí)的基礎(chǔ)知識(shí)，具體包括了深度學(xué)習(xí)的發(fā)展歷程、基本概念（前向運(yùn)算、反向傳播、參數(shù)優(yōu)化）、深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)（導(dǎo)數(shù)、方向?qū)?shù)、偏導(dǎo)數(shù)、梯度）等，通過介紹深度學(xué)習(xí)基礎(chǔ)知識(shí)幫助大家從宏觀和微觀兩個(gè)角度掌握深度學(xué)習(xí)的基本概念，為后續(xù)課程的學(xué)習(xí)奠定基礎(chǔ)�！� 2-1 卷積神經(jīng)網(wǎng)基本概念 2-2 前向運(yùn)算 2-3 反向傳播基本概念 2-4 反向傳播迭代過程及參數(shù)優(yōu)化概念 2-5 反向傳播之導(dǎo)數(shù)、方向?qū)?shù)、偏導(dǎo)數(shù)、梯度的概念 2-6 反向傳播之梯度下降算法 2-7 深度學(xué)習(xí)發(fā)展迅猛的原因 第3章 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)串講（必備理論知識(shí)與技巧） 主要介紹卷積神經(jīng)網(wǎng)的基礎(chǔ)知識(shí)，具體包括了發(fā)展歷程、網(wǎng)絡(luò)結(jié)構(gòu)、卷積神經(jīng)網(wǎng)計(jì)算性能比較、網(wǎng)絡(luò)結(jié)構(gòu)比較、網(wǎng)絡(luò)設(shè)計(jì)思想、小卷積核的妙用、1*1卷積核的使用、輕量型卷積神經(jīng)網(wǎng)設(shè)計(jì)思想和典型網(wǎng)絡(luò)結(jié)構(gòu)、卷積神經(jīng)網(wǎng)中的Attention機(jī)制（SENet等）、多分枝的卷積神經(jīng)網(wǎng)（Siamese、TripletNet等）、卷積神經(jīng)網(wǎng)壓縮方法等，通過介紹… 3-1 卷積神經(jīng)網(wǎng)內(nèi)容概括 3-2 基本組成單元 3-3 卷積運(yùn)算的定義 3-4 卷積的重要參數(shù)以及卷積核 3-5 權(quán)值共享與局部連接 3-6 卷積核與感受野 3-7 步長(zhǎng)與Pad 3-8 卷積的定義與使用介紹（Tensorflow與Caffe） 3-9 池化層 3-10 激活層 3-11 BN 3-12 全連接層 3-13 dropout 3-14 損失層（1） 3-15 損失層（2） 3-16 卷積神經(jīng)網(wǎng)發(fā)展歷史 3-17 LeNet與AlexNet-卷積神經(jīng)網(wǎng)如何減少參數(shù)量和計(jì)算量 3-18 ZFNet與VggNet-卷積神經(jīng)網(wǎng)如何減少參數(shù)量和計(jì)算量 3-19 Inception系列-卷積神經(jīng)網(wǎng)如何減少參數(shù)量和計(jì)算量 3-20 從卷積的角度思考，如何減小網(wǎng)絡(luò)中的計(jì)算量？ 3-21 resnet系列網(wǎng)絡(luò)（1） 3-22 resnet系列網(wǎng)絡(luò)（2） 3-23 網(wǎng)絡(luò)性能計(jì)算量對(duì)比 3-24 輕量型卷積神經(jīng)網(wǎng)-SqueezeNet 3-25 輕量型卷積神經(jīng)網(wǎng)-MobileNet 3-26 輕量型卷積神經(jīng)網(wǎng)-ShuffleNet V1 3-27 輕量型卷積神經(jīng)網(wǎng)-ShuffleNet V2 3-28 多分支的卷積神經(jīng)網(wǎng) 3-29 卷積神經(jīng)網(wǎng)中的Attention 3-30 卷積神經(jīng)網(wǎng)的壓縮方法 第4章 Tensorflow基礎(chǔ)串講（必備TF框架知識(shí)與實(shí)操） 主要介紹TF使用基礎(chǔ)，具體包括了基本概念（graph、session、tensor、operation、feed、fetch等）、核心API接口、高級(jí)API接口、數(shù)據(jù)讀取及編程實(shí)現(xiàn)、TFRecord數(shù)據(jù)格式打包及編程實(shí)現(xiàn)、Cifar10數(shù)據(jù)的解析及編程實(shí)現(xiàn)、tensorboard調(diào)試技巧、TF數(shù)據(jù)增強(qiáng)等，通過具體Cifar-10圖像分類任務(wù)來(lái)幫助大家了解如何實(shí)戰(zhàn)Tensorflow搭建深… 4-1 TensorFlow概念介紹-Graph 4-2 Session-Tensor-Operation-Feed-Fetch介紹 4-3 TensorFlow中核心API接口 4-4 TensorFlow數(shù)據(jù)讀取機(jī)制與API方法 4-5 Cifar10數(shù)據(jù)解析編程案例 4-6 Tensorflow中TFRecord數(shù)據(jù)打包編程案例 試看 4-7 如何使用tf.train.slice_input_producer讀取文件列表中的樣本 4-8 如何使用tf.train.string_input_producer讀取文件列表中的樣本 4-9 如何通過TF對(duì)已經(jīng)打包過的數(shù)據(jù)進(jìn)行解析 4-10 TF中的高級(jí)API接口 4-11 TF中的數(shù)據(jù)增強(qiáng) 4-12 Tensorboard 調(diào)試技巧 第5章 Tensorflow挑戰(zhàn)Cifar-10圖像分類任務(wù) 主要介紹使用Tensorflow完成cifar-10圖像分類，具體包括了Cifar-10數(shù)據(jù)集介紹、數(shù)據(jù)下載、數(shù)據(jù)打包、Tensorflow訓(xùn)練框架搭建、網(wǎng)絡(luò)搭建、分類網(wǎng)絡(luò)訓(xùn)練、數(shù)據(jù)增強(qiáng)實(shí)現(xiàn)、數(shù)據(jù)分析、Tensorflow分類模型測(cè)試以及模型優(yōu)化，通過具體Cifar-10圖像分類任務(wù)來(lái)幫助大家了解如何實(shí)戰(zhàn)Tensorflow搭建深度學(xué)習(xí)網(wǎng)絡(luò)，并進(jìn)行模型訓(xùn)練、測(cè)試… 5-1 TF挑戰(zhàn)cifar10 5-2 Cifar10數(shù)據(jù)讀取與數(shù)據(jù)增強(qiáng) 5-3 TensorFlow+Slim網(wǎng)絡(luò)結(jié)構(gòu)搭建 5-4 Loss、Optimal、Learning Rate、BN等定義 5-5 Train部分代碼編寫 5-6 Test部分代碼編寫 5-7 Tensorboard+tf.summary 5-8 模型恢復(fù)和模型存儲(chǔ) 5-9 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化—resnet模型 5-10 TF官方版本訓(xùn)練Cifar10分類任務(wù) 第6章 人臉檢測(cè)業(yè)務(wù)實(shí)戰(zhàn) 主要介紹SSD人臉檢測(cè)模型的搭建，具體包括了業(yè)務(wù)介紹（業(yè)務(wù)場(chǎng)景、評(píng)價(jià)指標(biāo)等）、Tensorflow-SSD模型介紹、環(huán)境搭建、框架解讀、TF-record人臉檢測(cè)數(shù)據(jù)打包、實(shí)現(xiàn)SSD不同主干網(wǎng)絡(luò)、配置調(diào)整不同輸出尺寸（256VS300）參數(shù)、SSD框架訓(xùn)練參數(shù)含義解讀和重要參數(shù)調(diào)整（學(xué)習(xí)率、步長(zhǎng)、長(zhǎng)寬比等）、TensorBoard調(diào)試、查看圖像、LOS… 6-1 人臉業(yè)務(wù)場(chǎng)景實(shí)戰(zhàn) 6-2 人臉檢測(cè)業(yè)務(wù)描述以及人臉標(biāo)注方法 6-3 人臉檢測(cè)性能評(píng)價(jià)指標(biāo) 6-4 基于傳統(tǒng)的人臉檢測(cè)方法 6-5 人臉檢測(cè)方法 6-6 人臉檢測(cè)面臨的問題與小人臉問題 6-7 SSD模型介紹 主干網(wǎng)絡(luò)與多尺度Feature map 6-8 SSD模型原理介紹（Anchor與Default box） 6-9 SSD模型原理介紹（Prior box、損失函數(shù)、樣本構(gòu)造、數(shù)據(jù)增強(qiáng)） 6-10 TensorFlow-ssd環(huán)境搭建（1） 6-11 TensorFlow-ssd環(huán)境搭建（2） 6-12 數(shù)據(jù)清洗與數(shù)據(jù)打包-理論講解（1） 6-13 數(shù)據(jù)清洗與數(shù)據(jù)打包-理論講解（2） 6-14 數(shù)據(jù)清洗與數(shù)據(jù)打包-實(shí)操（1） 6-15 數(shù)據(jù)清洗與數(shù)據(jù)打包-實(shí)操（2） 6-16 數(shù)據(jù)清洗與數(shù)據(jù)打包-實(shí)操（3） 6-17 TensorFlow-ssd模型訓(xùn)練之框架解讀（1） 6-18 TensorFlow-ssd模型訓(xùn)練之框架解讀（2） 6-19 TensorFlow-ssd 模型訓(xùn)練-實(shí)操（1） 6-20 TensorFlow-ssd 模型訓(xùn)練-實(shí)操（2） 6-21 TensorFlow-ssd 模型訓(xùn)練-實(shí)操（3） 6-22 如何將訓(xùn)練好的模型轉(zhuǎn)化成pb文件 6-23 TensorFlow-ssd 模型測(cè)試 第7章 Flask封裝人臉檢測(cè)模型web服務(wù) 通過搭建Flask服務(wù)來(lái)完成對(duì)人臉檢測(cè)的web接口封裝，并通過具體的編程案例來(lái)指導(dǎo)大家完成具體實(shí)操。 7-1 Flask介紹 7-2 開始一個(gè)Flask案例 7-3 結(jié)合Flask定義人臉檢測(cè)web接口 第8章 Web服務(wù)接口調(diào)用與人臉檢測(cè)模塊開發(fā) 主要介紹智能小程序開發(fā)的流程，完成視頻流數(shù)據(jù)的獲取，前后端數(shù)據(jù)的通信、通過對(duì)已經(jīng)封裝的好深度學(xué)習(xí)模型的web服務(wù)調(diào)用，來(lái)搭建人臉檢測(cè)的小程序相關(guān)功能開發(fā)。此章主要實(shí)現(xiàn)人臉檢測(cè)的功能模塊，后續(xù)每章會(huì)逐步完善其他功能模塊開發(fā)（人臉匹配、活體檢測(cè)、人臉屬性分析）�！� 8-1 微信小程序介紹 8-2 創(chuàng)建小程序項(xiàng)目 8-3 人臉檢測(cè)小程序項(xiàng)目目錄講解 8-4 采集人臉圖像 8-5 上傳人臉圖像 8-6 接口調(diào)用與結(jié)果繪制 8-7 人臉檢測(cè)小程序演示 試看 第9章 人臉匹配業(yè)務(wù)實(shí)戰(zhàn) 主要介紹人臉匹配模型TripletNet，具體包括TripletNet人臉匹配模型介紹、人臉驗(yàn)證數(shù)據(jù)庫(kù)介紹和下載、TF-Recoder打包人臉匹配訓(xùn)練數(shù)據(jù)、框架源碼解讀、框架定義人臉匹配網(wǎng)絡(luò)模型、框架不同參數(shù)設(shè)置技巧說明、模型訓(xùn)練、TensorBoard調(diào)試、查看LOSS等信息、不同主干網(wǎng)絡(luò)和參數(shù)下的性能比較、基于TripletNet完****臉相似度度量… 9-1 人臉匹配業(yè)務(wù)介紹 9-2 人臉特征表示問題（1） 9-3 人臉特征表示問題（2） 9-4 度量學(xué)習(xí) 9-5 facenet原理簡(jiǎn)介 9-6 facenet環(huán)境搭建 9-7 facenet數(shù)據(jù)準(zhǔn)備-數(shù)據(jù)集介紹與說明 9-8 facenet數(shù)據(jù)準(zhǔn)備-LFW-MTCNN 9-9 facenet數(shù)據(jù)準(zhǔn)備-Dlib處理CASIA-Face以及CELEBA介紹 9-10 facenet模型訓(xùn)練 9-11 facenet源碼解讀與源碼優(yōu)化（1） 9-12 facenet源碼解讀與源碼優(yōu)化（2） 9-13 facenet模型測(cè)試 9-14 訓(xùn)練模型轉(zhuǎn)pb文件，模型固化 9-15 web接口封裝之人臉匹配業(yè)務(wù)流程說明 9-16 facenet web接口封裝（1） 9-17 facenet web接口封裝（2） 9-18 人臉注冊(cè)小程序端編程實(shí)現(xiàn) 9-19 人臉注冊(cè)flask服務(wù)端編程實(shí)現(xiàn) 9-20 人臉登錄小程序端編程實(shí)現(xiàn) 9-21 人臉登錄flask服務(wù)端編程實(shí)現(xiàn) 9-22 人臉登錄流程回顧與閾值判定 第10章 68點(diǎn)人臉關(guān)鍵點(diǎn)定位業(yè)務(wù)實(shí)戰(zhàn) 主要介紹68點(diǎn)的人臉關(guān)鍵點(diǎn)定位模型，具體內(nèi)容包括了數(shù)據(jù)集下載、環(huán)境搭建、模型搭建、模型訓(xùn)練、模型測(cè)試、模型優(yōu)化、TensorBoard調(diào)試、查看LOSS等信息、主干網(wǎng)絡(luò)優(yōu)化、參數(shù)調(diào)優(yōu)、關(guān)鍵點(diǎn)預(yù)測(cè)結(jié)果可視化等，通過Tensorflow實(shí)戰(zhàn)人臉關(guān)鍵點(diǎn)問題來(lái)幫助大家了解在具體工程業(yè)務(wù)中如果解決點(diǎn)回歸問題，并結(jié)合具體的優(yōu)化策略幫助大… 10-1 人臉對(duì)齊基本概念介紹 10-2 人臉對(duì)齊算法評(píng)價(jià)指標(biāo) 10-3 人臉對(duì)齊-傳統(tǒng)方法(1) 10-4 人臉對(duì)齊-傳統(tǒng)方法(2) 10-5 人臉對(duì)齊算法深度學(xué)習(xí)算法及3D人臉問題(1) 10-6 人臉對(duì)齊算法深度學(xué)習(xí)算法及3D人臉問題(2) 10-7 人臉對(duì)齊算法常用數(shù)據(jù)集 10-8 人臉對(duì)齊算法常見問題及解決思路 10-9 Tensorflow-SENet模型詳細(xì)介紹 10-10 數(shù)據(jù)準(zhǔn)備和環(huán)境參數(shù) 10-11 人臉關(guān)鍵點(diǎn)數(shù)據(jù)打包(1) 10-12 人臉關(guān)鍵點(diǎn)數(shù)據(jù)打包(2) 10-13 人臉關(guān)鍵點(diǎn)模型訓(xùn)練編程實(shí)例（1） 10-14 人臉關(guān)鍵點(diǎn)模型訓(xùn)練編程實(shí)例（2） 10-15 人臉關(guān)鍵點(diǎn)模型訓(xùn)練編程實(shí)例（3） 10-16 人臉關(guān)鍵點(diǎn)模型導(dǎo)出Pb文件(模型固化) 10-17 人臉關(guān)鍵點(diǎn)模型測(cè)試 10-18 人臉關(guān)鍵點(diǎn)模型Flaskweb接口封裝（1） 10-19 人臉關(guān)鍵點(diǎn)模型Flaskweb接口封裝（2） 10-20 人臉關(guān)鍵點(diǎn)模型小程序端編程實(shí)戰(zhàn) 第11章 活體檢測(cè)業(yè)務(wù)實(shí)戰(zhàn) 主要介紹活體檢測(cè)模型，具體內(nèi)容包括了關(guān)鍵點(diǎn)模型的調(diào)用、數(shù)據(jù)集準(zhǔn)備、睜閉眼檢測(cè)算法、張閉嘴檢測(cè)算法以及算法調(diào)優(yōu)。本章節(jié)通過對(duì)Python3+關(guān)鍵點(diǎn)模型進(jìn)行進(jìn)一步的利用，完成活體檢測(cè)任務(wù)，幫助大家了解更多的在實(shí)際工程中關(guān)鍵點(diǎn)使用場(chǎng)景，并通過實(shí)戰(zhàn)的方式，鍛煉大家的動(dòng)手實(shí)操能力。… 11-1 活體檢測(cè)業(yè)務(wù)介紹 11-2 活體檢測(cè)方法 11-3 活體檢測(cè)方法面臨挑戰(zhàn)和解決思路 11-4 活體檢測(cè)編程準(zhǔn)備 11-5 活體檢測(cè)微信web端開發(fā)（1） 11-6 活體檢測(cè)微信web端開發(fā)（2） 11-7 活體檢測(cè)編程實(shí)戰(zhàn)微信端開發(fā) 第12章 人臉屬性業(yè)務(wù)實(shí)戰(zhàn) 通過搭建Tensorflow+多任務(wù)網(wǎng)絡(luò)來(lái)完成對(duì)人臉屬性的預(yù)測(cè)與與回歸，具體任務(wù)包括了人臉屬性業(yè)務(wù)介紹、人臉屬性多任務(wù)網(wǎng)絡(luò)數(shù)據(jù)集介紹、下載、TF-Recoder人臉屬性數(shù)據(jù)集打包、定義人臉屬性多任務(wù)網(wǎng)絡(luò)、多任務(wù)網(wǎng)絡(luò)模型訓(xùn)練、多任務(wù)網(wǎng)絡(luò)模型主干網(wǎng)絡(luò)優(yōu)化、模型整體參數(shù)優(yōu)化、模型測(cè)試比較（參數(shù)量、計(jì)算量、inference時(shí)間、準(zhǔn)確率… 12-1 人臉屬性業(yè)務(wù)介紹 12-2 基于多任務(wù)網(wǎng)絡(luò)的人臉屬性編程實(shí)戰(zhàn) 12-3 數(shù)據(jù)準(zhǔn)備 12-4 模型搭建和模型訓(xùn)練（1） 12-5 模型搭建和模型訓(xùn)練（2） 12-6 模型搭建和模型訓(xùn)練（3） 12-7 模型固化轉(zhuǎn)PB 12-8 模型測(cè)試 12-9 flask端 web接口封裝 12-10 人臉屬性小程序功能實(shí)現(xiàn) 第13章 課程總結(jié) 針對(duì)課程進(jìn)行最后總結(jié)，回顧課程核心內(nèi)容，再次幫助大家理清學(xué)習(xí)內(nèi)容進(jìn)一步的給出后續(xù)學(xué)習(xí)和提升給出建設(shè)性意見。 13-1 課程總結(jié)
購(gòu)買主題
本主題需向作者支付 20 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號(hào)-1 )
GMT+8, 2024-12-22 11:17 , Processed in 0.054662 second(s), 16 queries , MemCached On.
發(fā)表于 2022-7-31 12:28:31
收藏