V
主页
7.24 小结
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
7.1 项目动力
7.21 活体检测模型训练
7.23 实时检测与识别
7.12 FaceNet人脸识别模型
7.22 活体检测模型评估
7.19 活体数据采样
7.9 人脸识别模型测试
7.11 VGG-Face门禁检测
7.7 定义人脸识别模型
8.14 小结
2.10 定义卷积层
2.17 小结
6.16 小结
3.15 小结
7.2 人脸检测
2.6 卷积运算
7.17 Android客户机逻辑设计
2.1 数据集
【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!
3.17 参数与超参数
3.4 定义数据集
7.11 小结
3.8 激励函数
5.22 小结
2.7 边缘扩充
8.4 数据采集
4.12 小结
7.5 人脸识别
3.21 1x1卷积
2.8 MobileNetV3训练
6.7 数据集分析
2.6 MobileNetV3解析
2.23 模型预测
2.10 MobileNetV3-Lite版
【比啃书效果还好!】作者亲自讲解《统计学习导论》python版!为什么我不能早点知道!
8.2 数据库检索
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!
3.7 美食版EfficientDet-Lite训练
3.2 技术路线
这可能是B站我见过最完整的TensorFlow安装入门实战教程!神经网络、猫狗识别、时间序列预测、迁移学习一口气学爽!