V
主页
京东 11.11 红包
7.19 活体数据采样
发布人
原书信息:清华大学出版社-图书详情-《TensorFlow+Android经典模型从理论到实战(微课视频版)》 http://www.tup.tsinghua.edu.cn/booksCenter/book_09703501.html 第7章 FaceNet与人脸识别 当你读完第7章时,你应该能够: l 理解人脸检测与人脸识别。 l 自定义人脸数据集。 l 自定义人脸识别模型。 l 理解掌握FaceNet人脸识别模型体系结构与原理。 l 基于VGG-Face构建人脸识别门禁模拟系统。 l 基于FaceNet构建人脸识别服务器。 l 实战基于Android的人脸识别客户机设计。 l 实战活体检测与活体数据采集。 l 实战活体检测模型定义、训练与评估。 7.1 项目动力 人脸识别作为融入现代社会生活的一项技术应用,在一些重要行业领域,如身份认证、刷脸支付、交通安防等已实现规模化发展。 人工智能课堂上,曾有学生提问:老师,为什么我只给学校交了一张个人照片,就可以通过学校的刷脸门禁系统了,人脸识别的原理是什么?近年来,越来越多的学生选择人脸识别作为毕业设计的研究方向。人脸识别还远未达到理想中的完美程度,这是一个仍在蓬勃发展的热点技术领域。 为了更好回答学生的上述疑问,同时也给做毕设的学生提供参考,本章将以人脸识别为主线,演示三种人脸检测方法,带领读者自己采集数据集,自己定义网络模型,自己独立完成一个人脸识别实时检测案例,从而建立对人脸识别的完整认知。 在此基础上,结合牛津大学计算机视觉组发布的VGG-Face人脸识别模型和Google发布的FaceNet人脸识别模型,完成实战化的应用部署。结合这些经典模型的学习,从更高的维度理解人脸识别,回答为什么向服务器提交一幅照片,即可完成人脸识别。 人脸识别模块可以直接部署于边缘计算设备,也可以部署于中央服务器,终端设备负责数据的实时采集。本章演示了人脸识别服务器和Android客户机的设计,可以帮助读者提高实战化能力。同时基于mediapipe活体动作检测框架,完成了对人体动作序列的数据采集、建模和训练,实现了对人体动作序列的检测与识别,为实现人脸活体检测的系统集成奠定基础。
打开封面
下载高清视频
观看高清视频
视频下载器
7.23 实时检测与识别
7.9 人脸识别模型测试
7.3 人脸活体检测
7.20 定义活体检测模型
7.16 Android界面设计
7.11 VGG-Face门禁检测
太强了!新加坡国立大学研究员强力打造TensorFlow教程!200集带你入门到实战,完全吃透TensorFlow框架!
7.17 Android客户机逻辑设计
【同济唐宇迪】深度学习先学哪个框架?公认讲的最好的【Pytorch和TensorFlow全套教程】一网打尽,完爆同级别所有教程!
7.18 客户机与服务器联合测试
7.5 人脸识别
6.7 数据集分析
7.24 小结
2.16 数据集划分
1.1 数据集
2.12 定义池化层
8.4 数据采集
2.1 数据集
4.2 数据集
小波变换+注意力机制,数据处理领域的“王炸”组合,创新性拉满!
(超爽中英!) 2024公认最好的【Agent智能体】系列教程!带你从0到1构建自己的智能体!
2.10 定义卷积层
4.9 滑动窗口实现目标检测
2.11 添加TFLite模型元数据
关于我只用两个月就结合AI发了SCI1区论文——经验分享和本人案例
2.5 MobileNetV2解析
3.5 筛选数据集
3.25 制作HDF5数据集
基于TensorFlow的人脸识别实战,大佬手把手带你训练自己的模型!
2.23 模型预测
保姆级别YOLOV11-环境配置、 数据集介绍、训练、验证、推理 详细教学视频,看了它,跑YOLOV11 没问题~
2.6 卷积运算
3.4 数据分布
8.7 人脸相似度计算
8.9 服务器主程序
3.1 数据集
3.17 参数与超参数
4.17 YOLOv5迁移学习
如何跑通GitHub上的项目并替换成自己的数据集再跑通呢?——人工智能|机器学习|深度学习|神经网络
4.1 数据集简介