Python人工智能零基础入门到人脸识别目标检测实战

Python人工智能零基础入门到人脸识别目标检测实战

2020-07-18
¥ 160 钻石 终身VIP免费 升级终身VIP
下载不了?请联系网站客服提交链接错误!
增值服务: 安装指导 环境配置 二次开发 网站建设 模板修改 源码安装
Python人工智能零基础入门到人脸识别目标检测实战

Python人工智能零基础入门到人脸识别目标检测实战

资源编号 757 最近更新 2020-07-18
¥ 160 钻石 终身VIP免费 升级终身VIP
立即下载 升级会员
下载不了?请联系网站客服提交链接错误!
增值服务: 安装指导 环境配置 二次开发 网站建设 模板修改 源码安装

本课程实现了一个完整的人脸识别实战项目,课程涵盖:人脸检测、特征点标定、人脸对齐、人脸比图、数据标注和模型训练等,内容由浅入深,语言简洁易懂,零基础、手把手式的教学。

Python人工智能零基础入门到人脸识别目标检测实战

课程大纲:

├─1-1 深度学习基础

│ ├─1.深度学习介绍

│ │ 01_深度学习课程介绍

│ │ 02_深度学习介绍

│ │ 03_深度学习介绍2

│ │

│ ├─2.神经网络基础

│ │ 01_逻辑回归介绍

│ │ 02_逻辑回归损失函数

│ │ 03_梯度下降算法过程以及公式

│ │ 04_导数意义介绍

│ │ 05_a^2函数的导数介绍

│ │ 06_导数计算图与链式法则

│ │ 07_逻辑回归的导数计算图分析以及参数导数

│ │ 08_向量化编程介绍引入

│ │ 09_向量化编程的优势

│ │ 10_向量化实现逻辑回归的梯度计算更新

│ │ 11_正向传播与反向传播、作业介绍

│ │ 12_作业讲解题1:实现sigmoid函数与梯度实

│ │ 13_作业讲解题2:单神经元神经网络(logistic)分类作业流程介绍

│ │ 14_作业讲解题2:参数初始化与前向传播、反向传播

│ │ 15_作业讲解题2:优化迭代实现、model逻辑实现

│ │ 16_总结

│ │

│ ├─3.浅层神经网络

│ │ 01_浅层神经网络表示

│ │ 02_浅层神经网络的前向传播

│ │ 03_激活函数的选择

│ │ 04_浅层神经网络的反向传播

│ │ 05_作业介绍

│ │ 06_作业实现:初始化模型与前向传播

│ │ 07_作业实现:反向传播与更新梯度

│ │ 08_作业实现:网络模型逻辑实现

│ │ 09_总结

│ │

│ └─4.深层神经网络

│ 01_深层神经网络表示

│ 02_深层神经网络的反向传播过程

│ 03_参数初始化与超参数介绍

├─1-2 深度学习优化进阶

│ ├─1.多分类

│ │ 01_深度学习紧接、多分类介绍

│ │ 02_交叉熵损失原理

│ │ 03_案例:Mnist手写数字数据介绍

│ │ 04_案例:网络结构、流程、代码介绍

│ │ 05_案例:主网络结构搭建实现

│ │ 06_案例:添加准确率

│ │ 07_案例:Tensorboard观察显示

│ │ 08_案例:添加模型保存、预测

│ │ 09_调整学习率带来的问题

│ │

│ ├─2.梯度下降算法优化

│ │ 01_深度学习遇到问题、为什么需要优化算法

│ │ 02_Mini梯度下降与Batch梯度下降

│ │ 03_指数加权平均

│ │ 04_动量梯度下降原理公式理解

│ │ 05_RMSProp与Adam原理与学习率递减

│ │ 06_标准化输入带来的优化

│ │ 07_作业介绍

│ │ 08_作业讲解1

│ │ 09_作业讲解2

│ │

│ ├─3.深度学习正则化

│ │ 01_深度学习偏差与方差介绍为、什么需要正则化

│ │ 02_正则化概念、L2正则化与L1正则化

│ │ 03_Droupout过程与原理理解

│ │ 04_其它正则化方法-早停止法与数据增强

│ │ 05_正则化作业介绍

│ │ 06_作业讲解1

│ │ 07_作业讲解2

│ │

│ └─4.神经网络调参与BN

│ 01_神经网络调参数技巧与如何设置参数、如何运行

│ 02_批标准化定义、公式、为什么有效

├─1-3 卷积神经网络

│ ├─1.卷积网络原理

│ │ 01_卷积来源、数据量与感受野的边缘检测

│ │ 02_卷积网络结构介绍

│ │ 03_默认卷积的运算过程

│ │ 04_零填充

│ │ 05_过滤器大小与步长

│ │ 06_多通道的卷积与多卷积核

│ │ 07_卷积总结

│ │ 08_池化层

│ │ 09_全连接层

│ │

│ ├─2.经典分类结构

│ │ 01_LeNet5的计算过程详解

│ │ 02_常见网络结构介绍

│ │ 03_Inception(1×1卷积介绍)

│ │ 04_Inception结构以及改进

│ │ 05_GoogleNet了解与卷积网络学习内容

│ │

│ └─3.CNN实战

│ 01_作业介绍

│ 02_作业讲解

│ 03_迁移学习

├─1-4 循环神经网络

│ ├─1.循环神经网络

│ │ 01_循环神经网络背景介绍

│ │ 02_循环神经网络结构原理

│ │ 03_词的表示与矩阵形状运算

│ │ 04_交叉熵损失计算

│ │ 05_时间反向传播算法

│ │ 06_梯度消失、案例介绍

│ │ 07_手写RNN案例:单个cell前向传播

│ │ 08_手写RNN案例:所有cell的前向传播

│ │ 09_手写RNN案例:单个cell的反向传播

│ │ 10_手写RNN案例:所有cell的反向传播

│ │ 11_案例总结

│ │ 12_GRU与LSTM介绍

│ │

│ ├─2.词嵌入

│ │ 01_词嵌入介绍

│ │ 02_词嵌入案例

│ │

│ └─3.seq2seq与Attention机制

│ 01_seq2seq介绍与理解

│ 02_seq2seq机器翻译等场景介绍分析

│ 03_Attention原理分析

│ 04_机器翻译案例:日期格式翻译转换、代码结构介绍

│ 05_机器翻译案例:模型参数定义

│ 06_机器翻译案例:数据获取以及数据格式转换介绍

│ 07_机器翻译案例:训练逻辑与网络结构介绍

│ 08_机器翻译案例:网络输入输出逻辑介绍

│ 09_机器翻译案例:网络输入输出逻辑编写

│ 10_机器翻译案例:自定义网络seq2seq的编解码器定义

│ 11_机器翻译案例:seq2seq的输出层定义

│ 12_机器翻译案例:attention结构定义

│ 13_机器翻译案例:model中计算attention输出c逻辑函数实现

│ 14_机器翻译案例:训练逻辑编写

│ 15_机器翻译案例:训练结果与问题解决

│ 16_机器翻译案例:测试逻辑结果演示

│ 17_集束搜索介绍

├─1-5 高级主题

│ ├─1.生产对抗网络

│ │ 01_高级主题介绍、GAN介绍

│ │ 02_GAN原理、损失和DCGAN结构

│ │ 03_生成数字图片案例:结果演示流程介绍

│ │ 04_生成数字图片案例:模型初始化代码编写

│ │ 05_生成数字图片案例:训练流程

│ │ 06_生成数字图片案例:运行保存图片并对比

│ │

│ ├─2.自动编码器

│ │ 01_自动编码器介绍

│ │ 02_案例:编码器类别、普通自编码器流程、模型初始化逻辑

│ │ 03_案例:训练普通自编码器

│ │ 04_案例:深度自编码器编写演示

│ │ 05_案例:卷积自编码器编写演示

│ │ 06_案例:降噪编码器介绍

│ │ 07_案例:降噪编码器案例

│ │

│ └─3.CapsuleNet

│ 01_CapsuleNet了解

│ 02_深度学习课程总结

├─1-6 百度人脸识别

│ ├─1.平台介绍

│ │ 0_课程组成和目标

│ │ 1_1_访问入口

│ │ 1_2_机器学习平台_介绍

│ │ 1_3_百度深度学习平台_介绍

│ │ 1_4_百度深度学习平台_创建集群

│ │ 1_5_百度人工智能平台_功能介绍

│ │ 1_6_人工智能平台_服务开通

│ │ 1_7_人工智能平台_访问方式和SDK安装

│ │

│ ├─2.图像技术之人脸识别

│ │ 2_1_1_人脸识别功能介绍_开通应用

│ │ 2_1_2人脸识别_API

│ │ 2_1_3_人脸检测_步骤和代码浏览

│ │ 2_1_4_人脸检测_获取access_token

│ │ 2_1_5_人脸检测_调用API

│ │ 2_1_6_人脸检测_图像坐标

│ │ 2_1_7_人脸检测_边框

│ │ 2_1_8_人脸检测_性别年龄总结

│ │ 2_1_9_人脸检测_SDK方式

│ │

│ ├─3.图像技术之图像识别

│ │ 2_2_1_图像识别功能_应用创建

│ │ 2_2_2_图像识别_物体检测API_实例

│ │ 2_2_3_图像检测识别_菜品识别

│ │ 2_2_4_图像检测_车辆检测

│ │ 2_2_5_定制化图像识别_图像分类_步骤

│ │ 2_2_5_定制化图像识别_特点和功能

│ │ 2_2_6_定制化图像识别_图像分类_操作

│ │ 2_2_7_定制化图像识别_图像分类_关联和调用流程

│ │ 2_2_8_定制化图像识别_图像分类_代码实现

│ │ 2_2_9_定制化图像识别_图像分类_迭代和常见问题

│ │ 2_2_10_定制化图像识别_物体检测_流程

│ │ 2_2_11_定制化图像识别_物体检测API_错误码

│ │

│ ├─4.图像技术之文字识别

│ │ 2_3_1_功能介绍_创建应用

│ │ 2_3_2_通用文字识别_代码

│ │ 2_3_3_通用文字识别_其他版本函数

│ │ 2_3_4_车牌识别

│ │ 2_3_5_通用票据识别

│ │ 2_3_6_自定义模板_步骤

│ │ 2_3_7_自定义模板_实际创建

│ │ 2_3_8_自定义模板_API和代码

│ │ 2_3_9_创建分类器

│ │ 2_3_10_分类器代码

│ │

│ ├─5.语音技术

│ │ 3_1_1_语音识别_介绍和API

│ │ 3_1_2_语音识别案例_代码浏览

│ │ 3_1_3_语音识别案例_案例

│ │ 3_2_1语音合成

│ │

│ ├─6.自然语言处理

│ │ 4_1_1_自然语言处理基础技术

│ │

│ └─7.人脸识别打卡案例

│ 5_1_0_人脸打卡案例_介绍

│ 5_1_1_案例_前端部分介绍

│ 5_1_2_案例_人脸搜索代码浏览

│ 5_1_3_案例_获取token

│ 5_1_4_案例_添加用户_人脸搜索

│ 5_1_5_案例_主程序1

│ 5_1_6_案例_主程序2

├─1-7 自然语言处理

│ ├─1.自然语言处理基础概念

│ │ 0.NLP介紹

│ │ 1.NLP的种类

│ │ 2.端对端深度学习模型

│ │ 3.词袋

│ │ 4.Seq2Seq

│ │ 5.Beam Serch Decoding

│ │ 6.Attention

│ │

│ ├─2.自然语言处理基础实作-机器学习篇

│ │ 1.机器学习-NLTK_数据读取

│ │ 2.机器学习-NLTK_清理数据

│ │ 3.机器学习-NLTK_大小写转换

│ │ 4.机器学习-NLTK_去除虚词

│ │ 5.机器学习-NLTK_词根化

│ │ 6.机器学习-NLTK_还原字符串

│ │ 7.机器学习-NLTK_稀疏矩阵

│ │ 8.机器学习-NLTK_最大过滤

│ │ 9.机器学习-NLTK_建立词袋模型

│ │

│ ├─3.自然语言处理基础实作-深度学习篇

│ │ 10.深度学习-Deep Learning in NLP

│ │ 11.深度学习-Deep Learning in NLP_模型优化

│ │ 12.深度学习-Deep Learning in NLP_模型加速

│ │

│ ├─4.自然语言处理核心部分

│ │ 1.CNN REIVEW

│ │ 2.CNN CODE

│ │ 3.RNN REVIEW

│ │ 4.RNN CODE

│ │ 5.LSTM

│ │ 6.LSTM_CODE

│ │ 7.文本分类

│ │ 8.文本分类的方式

│ │ 9.文本分类CNN&RNN

│ │ 10. 文本分类 CNN 模型使用

│ │ 11. 文本分类 RNN 搭建

│ │

│ └─5.实战项目-从无到有打造聊天机器人

│ 00. chatbot

│ 01. chatbot 搭建计画

│ 02. chatbot 环境搭建下载数据集

│ 03. chatbot 下载数据集

│ 04. chatbot 导入依赖包

│ 05. ChatBot 读取数据

│ 06. chatbot 创建对話字典

│ 07. ChatBot 建立对话列表

│ 08. ChatBot 问答集

│ 09. ChatBot 数据初步清洗

│ 10. ChatBot 清理问题集&回答集

│ 11. ChatBot 统计字频

│ 12. ChatBot 标记化&去除少数字

│ 13. ChatBot 最终标记

│ 14. ChatBot 逆向字典

│ 15. ChatBot 添加 EOS 标签

│ 16. ChatBot 问答数列化

│ 17. ChatBot 长短句

│ 18. ChatBot input&output

│ 19. ChatBot 处理输出

│ 20. ChatBot 建立RNN 模型

│ 21. ChatBot 解码器训练

│ 22. ChatBot 解码器测试

│ 23. ChatBot 创建解码RNN

│ 24. ChatBot Seq2Seq 模型

│ 25. ChatBot 設置超参数

│ 26. ChatBot 启动运算

│ 27. ChatBot 模型 input

│ 28. ChatBot 模型輸入序列長度

│ 29. ChatBot 設置輸入的数据形状

│ 30. ChatBot训练 & 测试結果

│ 31. ChatBot 损失,优化,梯度消減

│ 32. ChatBot 问答等长处理

│ 33. ChatBot 问答数据批量

│ 34. ChatBot 数据分割

│ 35. ChatBot 训练

│ 36. ChatBot 训练2

│ 37. ChatBot 测试

│ 38. ChatBot 输入修飾

│ 39. ChatBot 开始聊天

├─1-8 图片商品物体检测项目第一阶段-检测算法原理

│ ├─1.目标检测概述

│ │ 01_课程要求以及目标

│ │ 02_项目演示结果

│ │ 03_项目结构以及课程安排

│ │ 04_图像识别背景

│ │ 05_目标检测的定义和技术历史

│ │ 06_目标检测应用场景

│ │ 07_目标检测算法原理铺垫

│ │ 08_目标检测任务描述

│ │

│ ├─2.RCNN原理

│ │ 01_Overfeat模型

│ │ 02_RCNN:步骤流程介绍

│ │ 03_RCNN:候选区域以及特征提取

│ │ 04_RCNN:SVM分类器

│ │ 05_RCNN:非极大抑制(NMS)

│ │ 06_RCNN:候选区域修正

│ │ 07_RCNN:训练过程与测试过程介绍

│ │ 08_RCNN:总结、优缺点与问题自测

│ │

│ ├─3.SPPNet原理

│ │ 01_SPPNet:与RCNN的区别、网络流程

│ │ 02_SPPNet:映射

│ │ 03_SPPNet:SPP层的作用

│ │ 04_SPPNet:总结、优缺点与问题自测

│ │

│ ├─4.FastRCNN原理

│ │ 01_FastRCNN:改进之处以及网络流程

│ │ 02_FastRCNN:RoI pooling结构以及SPP对比

│ │ 03_FastRCNN:多任务损失

│ │ 04_FastRCNN:总结与问题自测

│ │

│ ├─5.FasterRCNN原理

│ │ 01_FasterRCNN:网络结构与步骤

│ │ 02_FasterRCNN:RPN网络的原理

│ │ 03_FasterRCNN:总结与问题自测

│ │

│ ├─6.YOLO原理

│ │ 01_YOLO:算法特点与流程介绍

│ │ 02_YOLO:单元格原理过程

│ │ 03_YOLO:训练过程样本标记

│ │ 04_YOLO:总结

│ │

│ └─7.SSD原理

│ 01_SSD:网络结构与Detected结构

│ 02_SSD:localization与confidence

│ 03_SSD:训练与测试流程总结

│ 04_TensorflowSSD接口介绍

│ 05_第一阶段算法总结

├─1-9 图片商品物体检测项目第二阶段-数据集制作与处理

│ ├─1.数据集标记

│ │ 01_目标检测数据集介绍

│ │ 02_商品数据集标记

│ │

│ ├─2.数据集格式转换

│ │ 01_数据集格式转换介绍

│ │ 02_格式转换:代码介绍

│ │ 03_格式转换:文件读取以及存储逻辑

│ │ 04_格式转换:图片数据以及XML读取

│ │ 05_格式转换:example封装、总结

│ │

│ └─3.TFRecords读取

│ 01_slim库介绍

│ 02_TFRecord读取:Dataset准备

│ 03_TFRecord读取:provider读取

│ 04_第二阶段总结

└─1-10 图片商品物体检测项目第三阶段-项目实现与部署

├─1.项目架构

│ 01_项目架构设计

│ 02_训练与测试整体结构设计

├─10.TFServing客户端

│ 01_Tensorflow serving client逻辑

│ 02_Client:用户输入图片处理

│ 03_Client:grpc与serving apis介绍

│ 04_Client:客户端建立连接获取结果代码

│ 05_Client:结果解析

│ 06_Client:结果标记返回

├─11.服务器部署

│ 01_服务器部署:服务器部署的代码文件需求、服务开启

│ 02_项目总结

├─2.数据接口实现

│ 01_数据接口:商品格式转换实现

│ 02_数据接口:读取数据接口设计以及基类如何定义

│ 03_数据接口:商品数据读取子类实现

│ 04_数据接口:数据读取工厂逻辑实现

│ 05_数据接口:代码运行与数据模块总结

├─3.模型接口实现

│ 01_模型接口:接口设置以及模型工厂代码

├─4.预处理接口实现

│ 01_预处理接口:预处理需求介绍、数据增强介绍

│ 02_预处理接口:预处理工厂代码

│ 03_预处理接口:预处理工厂代码参数错误调整

│ 04_数据接口、模型接口、预处理接口参数总结

├─5.训练过程实现

│ 01_训练:训练步骤与设备部署介绍

│ 02_训练:model_deploy介绍

│ 03_训练:训练运行结果显示与初始配置确定

│ 04_训练:1设备配置代码以及全局步数定义

│ 05_训练:2图片数据读取与处理逻辑介绍

│ 06_训练:2数据模块与网络模型获取结果

│ 07_训练:2网络参数修改、provider获取数据、预处理

│ 08_训练:2NHWC和NCHW介绍

│ 09_训练:2对anchors进行正负样本标记

│ 10_训练:2批处理获取以及数据形状变换

│ 11_训练:2队列设置

│ 12_训练:3复制模型、添加参数观察与4添加学习率和优化器

│ 13_训练:5总损失计算与变量平均梯度计算6训练配置

│ 14_训练:训练流程总结

├─6.测试过程实现

│ 01_测试:测试流程介绍、代码

│ 02_测试:图片输入、结果标记代码

├─7.模型部署介绍

│ 01_web服务与模型部署流程关系介绍

│ 02_本地TensorFlow Serving演示以及逻辑介绍

├─8.导出模型

│ 01_模型导出:模型输入输出定义

│ 02_模型导出:Savedmodel导出模型

└─9.打开模型服务

01_开启模型服务

资源下载此资源下载价格为160钻石,请先
客服QQ:1694750

63源码 人工智能 Python人工智能零基础入门到人脸识别目标检测实战 https://www.63code.com/757.html

评论
暂无评论
  • 0 +

    访问总数

  • 0 +

    会员总数

  • 0 +

    文章总数

  • 0 +

    今日发布

  • 0 +

    本周发布

  • 0 +

    运行天数

你的前景,远超我们想象
Python人工智能零基础入门到人脸识别目标检测实战-海报

分享本文封面