python摄像头人脸识别小程序 开门_Python3+TensorFlow 打造人脸识别智能小程序

第1章 课程导学

本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应人群、学习本门课程的前置条件、学习后达到的效果等,帮助大家从整体上了解本门课程的整体脉络。

第2章 深度学习基础串讲(必备理论知识)

主要介绍深度学习的基础知识,具体包括了深度学习的发展历程、基本概念(前向运算、反向传播、参数优化)、深度学习数学基础(导数、方向导数、偏导数、梯度)等,通过介绍深度学习基础知识帮助大家从宏观和微观两个角度掌握深度学习的基本概念,为后续课程的学习奠定基础。...

第3章 卷积神经网络基础串讲(必备理论知识与技巧)

主要介绍卷积神经网的基础知识,具体包括了发展历程、网络结构、卷积神经网计算性能比较、网络结构比较、网络设计思想、小卷积核的妙用、1*1卷积核的使用、轻量型卷积神经网设计思想和典型网络结构、卷积神经网中的Attention机制(SENet等)、多分枝的卷积神经网(Siamese、TripletNet等)、卷积神经网压缩方法等,通过介绍...

第4章 Tensorflow基础串讲(必备TF框架知识与实操)

主要介绍TF使用基础,具体包括了基本概念(graph、session、tensor、operation、feed、fetch等)、核心API接口、高级API接口、数据读取及编程实现、TFRecord数据格式打包及编程实现、Cifar10数据的解析及编程实现、tensorboard调试技巧、TF数据增强等,通过具体Cifar-10图像分类任务来帮助大家了解如何实战Tensorflow搭建深...

第5章 Tensorflow挑战Cifar-10图像分类任务

主要介绍使用Tensorflow完成cifar-10图像分类,具体包括了Cifar-10数据集介绍、数据下载、数据打包、Tensorflow训练框架搭建、网络搭建、分类网络训练、数据增强实现、数据分析、Tensorflow分类模型测试以及模型优化,通过具体Cifar-10图像分类任务来帮助大家了解如何实战Tensorflow搭建深度学习网络,并进行模型训练、测试...

第6章 人脸检测业务实战

主要介绍SSD人脸检测模型的搭建,具体包括了业务介绍(业务场景、评价指标等)、Tensorflow-SSD模型介绍、环境搭建、框架解读、TF-record人脸检测数据打包、实现SSD不同主干网络、配置调整不同输出尺寸(256VS300)参数、SSD框架训练参数含义解读和重要参数调整(学习率、步长、长宽比等)、TensorBoard调试、查看图像、LOS...

第7章 Flask封装人脸检测模型web服务

通过搭建Flask服务来完成对人脸检测的web接口封装,并通过具体的编程案例来指导大家完成具体实操。

第8章 Web服务接口调用与人脸检测模块开发

主要介绍智能小程序开发的流程,完成视频流数据的获取,前后端数据的通信、通过对已经封装的好深度学习模型的web服务调用,来搭建人脸检测的小程序相关功能开发。此章主要实现人脸检测的功能模块,后续每章会逐步完善其他功能模块开发(人脸匹配、活体检测、人脸属性分析)。...

第9章 人脸匹配业务实战(未完待续)

主要介绍人脸匹配模型TripletNet,具体包括TripletNet人脸匹配模型介绍、人脸验证数据库介绍和下载、TF-Recoder打包人脸匹配训练数据、框架源码解读、框架定义人脸匹配网络模型、框架不同参数设置技巧说明、模型训练、TensorBoard调试、查看LOSS等信息、不同主干网络和参数下的性能比较、基于TripletNet完成人脸相似度度量...

第10章 68点人脸关键点定位业务实战

主要介绍68点的人脸关键点定位模型,具体内容包括了数据集下载、环境搭建、模型搭建、模型训练、模型测试、模型优化、TensorBoard调试、查看LOSS等信息、主干网络优化、参数调优、关键点预测结果可视化等,通过Tensorflow实战人脸关键点问题来帮助大家了解在具体工程业务中如果解决点回归问题,并结合具体的优化策略帮助大...

第11章 活体检测业务实战

主要介绍活体检测模型,具体内容包括了关键点模型的调用、数据集准备、睁闭眼检测算法、张闭嘴检测算法以及算法调优。本章节通过对Python3+关键点模型进行进一步的利用,完成活体检测任务,帮助大家了解更多的在实际工程中关键点使用场景,并通过实战的方式,锻炼大家的动手实操能力。...

第12章 人脸属性业务实战

通过搭建Tensorflow+多任务网络来完成对人脸属性的预测与与回归,具体任务包括了人脸属性业务介绍、人脸属性多任务网络数据集介绍、下载、TF-Recoder人脸属性数据集打包、定义人脸属性多任务网络、多任务网络模型训练、多任务网络模型主干网络优化、模型整体参数优化、模型测试比较(参数量、计算量、inference时间、准确率...

你可能感兴趣的:(开门)