/ 实战 / Python3+TensorFlow打造人脸识别智能小程序
收藏

Python3+TensorFlow 打造人脸识别智能小程序

理论知识与实战项目双管齐下,让AI技术不再脱离实际,做到真正的落地应用

Python3+TensorFlow打造人脸识别智能小程序

难度 中级 时长 20小时 学习人数 318 好评度 100%

Python3+TensorFlow打造人脸识别智能小程序

观看试看视频

Python3+TensorFlow打造人脸识别智能小程序
伴随着人工智能技术的发展,深度学习技术变得越来越热门,越来越多的人选择转行做深度学习算法工程师。本课程围绕人脸相关技术,展开多个模型的教学,涉及人脸检测、人脸匹配、人脸关键点定位等基础研究技术,最终搭建一个人脸智能小程序,完成整个项目的实战应用,最终可以达到算法工程师的初步要求。
会写代码的好厨师

资深机器学习工程师

课程预览

检测到您还没有关注慕课网服务号,无法接收课程更新通知。请扫描二维码即可绑定
重新观看

AI算法工程师快速提升进阶课(CV领域)

熟练掌握人脸业务开发以及实际工程中模型的设计、训练和调优

  • 涵盖人脸检测、匹配、活体检测、
    关键点定位、人脸属性等主流业务

  • 开发小程序实现AI项目落地,趣味性+工程性相结合

  • 适合毕设/面试/技术提升等不同需求,帮助入门者快速上手实战应用

  • 专业的深度学习理论知识+丰富的工程开发经验

  • 相关技术讲解透彻并涉及前沿技术思路、涵盖范围更广

  • 不仅适合于工程项目的搭建,同时适用于学术研究

  • 核心源码解读和网络模型搭建、训练以及模型优化

  • 提供多个相关任务的深度学习模型、数据和源码

掌握业内主流深度学习模型,并实现与小程序的完美结合

理论知识与实战项目双管齐下,让AI技术不再脱离实际,做到真正的落地应用

  • 人脸检测模型

    TensorFlow+SSD

    业务场景、评价指标介绍
    Tensorflow-SSD模型介绍
    WIDER Face数据介绍、下载
    环境搭建
    Tensorflow-SSD框架解读
    TFRecords人脸检测数据打包
    Tensorflow实现SSD不同主干网络
    配置调整不同输出尺寸参数
    训练参数含义解读和重要参数调整
    (学习率、步长、长宽比等)
    不同主干网络和参数下的性能比较
    (参数量、计算量、inference时间等)
    人脸检测模型服务以及接口封装

  • 人脸匹配训练

    TensorFlow+TripletNet

    业务场景、评价指标介绍
    TripletNet人脸匹配模型介绍
    人脸验证数据库介绍和下载
    TFRecords打包人脸匹配训练数据
    Tensorflow-tripletNet框架源码解读
    定义人脸匹配网络模型
    (不同主干网络:ResNet、SENet等)
    多支网络的参数共享方法
    不同参数设置技巧说明
    TensorBoard调试、查看LOSS等信息
    不同主干网络和参数下的性能比较
    (参数量、计算量、inference时间等)
    基于TripletNet完成人脸相似度度量测试

  • 人脸关键点检测

    TensorFlow+Facial-Landmarks

    活体检测业务场景介绍
    关键点检测模型及活体检测算法流程介绍
    人脸关键点模型环境搭建
    人脸关键点模型搭建
    人脸关键点模型训练
    TensorBoard调试、查看LOSS等信息
    主干网络调优
    整体参数调优
    测试比较
    结果可视化
    关键点定位模型服务接口封装
    人脸接口封装活体检测服务接口封装

  • 人脸属性识别

    TensorFlow+ResNet

    业务场景介绍
    多任务网络模型算法介绍
    多任务网络数据集介绍、下载
    TFRecords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
    TensorBoard调试、查看LOSS等信息
    主干网络优化
    整体参数优化
    测试比较
    (参数量、计算量、inference时间、准确率等)
    多任务网络模型服务、接口封装
    人脸属性小程序功能集成

手握“刷脸”武器,让面部无处可躲

面部识别已经渗入到我们生活的方方面面

前沿主流技术

  • 框架:TensorFlow
  • 框架:Flask
  • 语言:Python3
  • 系统:Ubuntu

面试求职提升

  • 毕业设计
  • 面试
  • 技术提升

学员专享增值服务

问答专区

关于课程的问题都可在问答区随时提问,讲师会进行

集中答疑

源码开放

课程案例代码完全开放给你,你可以根据所学知

识自行修改、优化

适合人群

本课程适合有一定深度学习基础
迫切想要通过实战开发达到技能提升
毕设,求职等开发人员

技术储备要求

1、了解深度学习/机器学习相关基本概念
2、掌握Python3编程语言
3、了解TensorFlow深度学习框架
4、了解Ubuntu基本使用知识

环境参数

  • Python 3.5/3.6/3.7
  • ubuntu 16.04
  • Numpy 1.14.3
  • 框架 Tensorflow1.12
  • Cuda 9.0
  • cuDNN 7.0
  • 工具 Tensorboard 1.12
提问
数据加载中...
意见反馈 邀请有奖 帮助中心 APP下载
官方微信