V
主页
7.15 Android网络访问接口
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
7.12 FaceNet人脸识别模型
7.16 Android界面设计
2.11 简单卷积神经网络
7.2 人脸检测
7.13 FaceNet服务器设计
8.3 人脸识别
7.17 Android客户机逻辑设计
7.18 客户机与服务器联合测试
7.23 实时检测与识别
7.21 活体检测模型训练
7.11 VGG-Face门禁检测
2.7 边缘扩充
2.6 MobileNetV3解析
3.25 制作HDF5数据集
7.20 定义活体检测模型
2.8 MobileNetV3训练
2.7 MobileNetV3建模
7.3 人脸活体检测
7.14 Android项目初始化
3.20 ResNet卷积网络
6.7 数据集分析
2.13 经典结构LeNet-5
2.10 定义卷积层
6.9 配置项目依赖
9.4 数据集与特征提取
图像分割、目标检测、特征提取、边缘检测、图像滤波、人脸识别...终于有人把OpenCV那些必备的知识点讲透彻了!从入门到图像处理实战!
1.6 离群值
7.24 小结
3.22 Inception卷积网络
4.7 划分数据集
2.22 模型评估
3.8 激励函数
9.8 AlphaFold2项目实战演示
1.8 同方差与异方差
1.6 EfficientNetV2建模
8.11 客户机主程序
3.15 Mini-Batch梯度下降
3.6 神经网络
8.4 数据采集
3.14 正则化