Python3+TensorFlow打造人臉識別智能小程序
伴隨著人工智能技術的發(fā)展，深度學習技術變得越來越熱門，越來越多的人選擇轉行做深度學習算法工程師。本課程圍繞人臉相關技術，展開多個模型的教學，涉及人臉檢測、人臉匹配、人臉關鍵點定位等基礎研究技術，最終搭建一個人臉智能小程序，完成整個項目的實戰(zhàn)應用，最終可以達到算法工程師的初步要求。
涵蓋人益檢測、匹配、活體檢測、關鍵點定位、人臉屬性等主流業(yè)務開發(fā)小程序實規(guī)Al項目落地，趣味性+工程性相結合
適合畢設/面試/技術提升等不同需求，幫助入門者快速上手實戰(zhàn)應用專業(yè)的深懂學習理論知識+豐富的工程開發(fā)經驗
相關技術講解透徹并涉及前沿技術思路、涵蓋范圍更廣
不僅適合于工程項目的搭建，同時適用于學術研究
核心源碼解讀和網(wǎng)絡模型描建，訓練以及模副統(tǒng)化
提供多個相關任務的深度學習模型、致?lián)推诖a
第1章 課程導學
本章節(jié)主要介紹課程的主要內容、核心知識點、課程涉及到的應用案例、深度學習算法設計通用流程、適應人群、學習本門課程的前置條件、學習后達到的效果等，幫助大家從整體上了解本門課程的整體脈絡。
1-1 課程導學 試看
第2章 深度學習基礎串講（必備理論知識）
主要介紹深度學習的基礎知識，具體包括了深度學習的發(fā)展歷程、基本概念（前向運算、反向傳播、參數(shù)優(yōu)化）、深度學習數(shù)學基礎（導數(shù)、方向導數(shù)、偏導數(shù)、梯度）等，通過介紹深度學習基礎知識幫助大家從宏觀和微觀兩個角度掌握深度學習的基本概念，為后續(xù)課程的學習奠定基礎。...
2-1 卷積神經網(wǎng)基本概念
2-2 前向運算
2-3 反向傳播基本概念
2-4 反向傳播迭代過程及參數(shù)優(yōu)化概念
2-5 反向傳播之導數(shù)、方向導數(shù)、偏導數(shù)、梯度的概念
2-6 反向傳播之梯度下降算法
2-7 深度學習發(fā)展迅猛的原因
第3章 卷積神經網(wǎng)絡基礎串講（必備理論知識與技巧）
主要介紹卷積神經網(wǎng)的基礎知識，具體包括了發(fā)展歷程、網(wǎng)絡結構、卷積神經網(wǎng)計算性能比較、網(wǎng)絡結構比較、網(wǎng)絡設計思想、小卷積核的妙用、1*1卷積核的使用、輕量型卷積神經網(wǎng)設計思想和典型網(wǎng)絡結構、卷積神經網(wǎng)中的Attention機制（SENet等）、多分枝的卷積神經網(wǎng)（Siamese、TripletNet等）、卷積神經網(wǎng)壓縮方法等，通過介紹...
3-1 卷積神經網(wǎng)內容概括
3-2 基本組成單元
3-3 卷積運算的定義
3-4 卷積的重要參數(shù)以及卷積核
3-5 權值共享與局部連接
3-6 卷積核與感受野
3-7 步長與Pad
3-8 卷積的定義與使用介紹（Tensorflow與Caffe）
3-9 池化層
3-10 激活層
3-11 BN
3-12 全連接層
3-13 dropout
3-14 損失層（1）
3-15 損失層（2）
3-16 卷積神經網(wǎng)發(fā)展歷史
3-17 LeNet與AlexNet-卷積神經網(wǎng)如何減少參數(shù)量和計算量
3-18 ZFNet與VggNet-卷積神經網(wǎng)如何減少參數(shù)量和計算量
3-19 Inception系列-卷積神經網(wǎng)如何減少參數(shù)量和計算量
3-20 從卷積的角度思考，如何減小網(wǎng)絡中的計算量？
3-21 resnet系列網(wǎng)絡（1）
3-22 resnet系列網(wǎng)絡（2）
3-23 網(wǎng)絡性能計算量對比
3-24 輕量型卷積神經網(wǎng)-SqueezeNet
3-25 輕量型卷積神經網(wǎng)-MobileNet
3-26 輕量型卷積神經網(wǎng)-ShuffleNet V1
3-27 輕量型卷積神經網(wǎng)-ShuffleNet V2
3-28 多分支的卷積神經網(wǎng)
3-29 卷積神經網(wǎng)中的Attention
3-30 卷積神經網(wǎng)的壓縮方法
第4章 Tensorflow基礎串講（必備TF框架知識與實操）
主要介紹TF使用基礎，具體包括了基本概念（graph、session、tensor、operation、feed、fetch等）、核心API接口、高級API接口、數(shù)據(jù)讀取及編程實現(xiàn)、TFRecord數(shù)據(jù)格式打包及編程實現(xiàn)、Cifar10數(shù)據(jù)的解析及編程實現(xiàn)、tensorboard調試技巧、TF數(shù)據(jù)增強等，通過具體Cifar-10圖像分類任務來幫助大家了解如何實戰(zhàn)Tensorflow搭建深...
4-1 TensorFlow概念介紹-Graph
4-2 Session-Tensor-Operation-Feed-Fetch介紹
4-3 TensorFlow中核心API接口
4-4 TensorFlow數(shù)據(jù)讀取機制與API方法
4-5 Cifar10數(shù)據(jù)解析編程案例
4-6 Tensorflow中TFRecord數(shù)據(jù)打包編程案例 試看
4-7 如何使用tf.train.slice_input_producer讀取文件列表中的樣本
4-8 如何使用tf.train.string_input_producer讀取文件列表中的樣本
4-9 如何通過TF對已經打包過的數(shù)據(jù)進行解析
4-10 TF中的高級API接口
4-11 TF中的數(shù)據(jù)增強
4-12 Tensorboard 調試技巧
第5章 Tensorflow挑戰(zhàn)Cifar-10圖像分類任務
主要介紹使用Tensorflow完成cifar-10圖像分類，具體包括了Cifar-10數(shù)據(jù)集介紹、數(shù)據(jù)下載、數(shù)據(jù)打包、Tensorflow訓練框架搭建、網(wǎng)絡搭建、分類網(wǎng)絡訓練、數(shù)據(jù)增強實現(xiàn)、數(shù)據(jù)分析、Tensorflow分類模型測試以及模型優(yōu)化，通過具體Cifar-10圖像分類任務來幫助大家了解如何實戰(zhàn)Tensorflow搭建深度學習網(wǎng)絡，并進行模型訓練、測試...
5-1 TF挑戰(zhàn)cifar10
5-2 Cifar10數(shù)據(jù)讀取與數(shù)據(jù)增強
5-3 TensorFlow+Slim網(wǎng)絡結構搭建
5-4 Loss、Optimal、Learning Rate、BN等定義
5-5 Train部分代碼編寫
5-6 Test部分代碼編寫
5-7 Tensorboard+tf.summary
5-8 模型恢復和模型存儲
5-9 網(wǎng)絡結構優(yōu)化—resnet模型
5-10 TF官方版本訓練Cifar10分類任務
第6章 人臉檢測業(yè)務實戰(zhàn)
主要介紹SSD人臉檢測模型的搭建，具體包括了業(yè)務介紹（業(yè)務場景、評價指標等）、Tensorflow-SSD模型介紹、環(huán)境搭建、框架解讀、TF-record人臉檢測數(shù)據(jù)打包、實現(xiàn)SSD不同主干網(wǎng)絡、配置調整不同輸出尺寸（256VS300）參數(shù)、SSD框架訓練參數(shù)含義解讀和重要參數(shù)調整（學習率、步長、長寬比等）、TensorBoard調試、查看圖像、LOS...
6-1 人臉業(yè)務場景實戰(zhàn)
6-2 人臉檢測業(yè)務描述以及人臉標注方法
6-3 人臉檢測性能評價指標
6-4 基于傳統(tǒng)的人臉檢測方法
6-5 人臉檢測方法
6-6 人臉檢測面臨的問題與小人臉問題
6-7 SSD模型介紹 主干網(wǎng)絡與多尺度Feature map
6-8 SSD模型原理介紹（Anchor與Default box）
6-9 SSD模型原理介紹（Prior box、損失函數(shù)、樣本構造、數(shù)據(jù)增強）
6-10 TensorFlow-ssd環(huán)境搭建（1）
6-11 TensorFlow-ssd環(huán)境搭建（2）
6-12 數(shù)據(jù)清洗與數(shù)據(jù)打包-理論講解（1）
6-13 數(shù)據(jù)清洗與數(shù)據(jù)打包-理論講解（2）
6-14 數(shù)據(jù)清洗與數(shù)據(jù)打包-實操（1）
6-15 數(shù)據(jù)清洗與數(shù)據(jù)打包-實操（2）
6-16 數(shù)據(jù)清洗與數(shù)據(jù)打包-實操（3）
6-17 TensorFlow-ssd模型訓練之框架解讀（1）
6-18 TensorFlow-ssd模型訓練之框架解讀（2）
6-19 TensorFlow-ssd 模型訓練-實操（1）
6-20 TensorFlow-ssd 模型訓練-實操（2）
6-21 TensorFlow-ssd 模型訓練-實操（3）
6-22 如何將訓練好的模型轉化成pb文件
6-23 TensorFlow-ssd 模型測試
第7章 Flask封裝人臉檢測模型web服務
通過搭建Flask服務來完成對人臉檢測的web接口封裝，并通過具體的編程案例來指導大家完成具體實操。
7-1 Flask介紹
7-2 開始一個Flask案例
7-3 結合Flask定義人臉檢測web接口
第8章 Web服務接口調用與人臉檢測模塊開發(fā)
主要介紹智能小程序開發(fā)的流程，完成視頻流數(shù)據(jù)的獲取，前后端數(shù)據(jù)的通信、通過對已經封裝的好深度學習模型的web服務調用，來搭建人臉檢測的小程序相關功能開發(fā)。此章主要實現(xiàn)人臉檢測的功能模塊，后續(xù)每章會逐步完善其他功能模塊開發(fā)（人臉匹配、活體檢測、人臉屬性分析）。...
8-1 微信小程序介紹
8-2 創(chuàng)建小程序項目
8-3 人臉檢測小程序項目目錄講解
8-4 采集人臉圖像
8-5 上傳人臉圖像
8-6 接口調用與結果繪制
8-7 人臉檢測小程序演示 試看
第9章 人臉匹配業(yè)務實戰(zhàn)
主要介紹人臉匹配模型TripletNet，具體包括TripletNet人臉匹配模型介紹、人臉驗證數(shù)據(jù)庫介紹和下載、TF-Recoder打包人臉匹配訓練數(shù)據(jù)、框架源碼解讀、框架定義人臉匹配網(wǎng)絡模型、框架不同參數(shù)設置技巧說明、模型訓練、TensorBoard調試、查看LOSS等信息、不同主干網(wǎng)絡和參數(shù)下的性能比較、基于TripletNet完成人臉相似度度量...
9-1 人臉匹配業(yè)務介紹
9-2 人臉特征表示問題（1）
9-3 人臉特征表示問題（2）
9-4 度量學習
9-5 facenet原理簡介
9-6 facenet環(huán)境搭建
9-7 facenet數(shù)據(jù)準備-數(shù)據(jù)集介紹與說明
9-8 facenet數(shù)據(jù)準備-LFW-MTCNN
9-9 facenet數(shù)據(jù)準備-Dlib處理CASIA-Face以及CELEBA介紹
9-10 facenet模型訓練
9-11 facenet源碼解讀與源碼優(yōu)化（1）
9-12 facenet源碼解讀與源碼優(yōu)化（2）
9-13 facenet模型測試
9-14 訓練模型轉pb文件，模型固化
9-15 web接口封裝之人臉匹配業(yè)務流程說明
9-16 facenet web接口封裝（1）
9-17 facenet web接口封裝（2）
9-18 人臉注冊小程序端編程實現(xiàn)
9-19 人臉注冊flask服務端編程實現(xiàn)
9-20 人臉登錄小程序端編程實現(xiàn)
9-21 人臉登錄flask服務端編程實現(xiàn)
9-22 人臉登錄流程回顧與閾值判定
第10章 68點人臉關鍵點定位業(yè)務實戰(zhàn)
主要介紹68點的人臉關鍵點定位模型，具體內容包括了數(shù)據(jù)集下載、環(huán)境搭建、模型搭建、模型訓練、模型測試、模型優(yōu)化、TensorBoard調試、查看LOSS等信息、主干網(wǎng)絡優(yōu)化、參數(shù)調優(yōu)、關鍵點預測結果可視化等，通過Tensorflow實戰(zhàn)人臉關鍵點問題來幫助大家了解在具體工程業(yè)務中如果解決點回歸問題，并結合具體的優(yōu)化策略幫助大...
10-1 人臉對齊基本概念介紹
10-2 人臉對齊算法評價指標
10-3 人臉對齊-傳統(tǒng)方法(1)
10-4 人臉對齊-傳統(tǒng)方法(2)
10-5 人臉對齊算法深度學習算法及3D人臉問題(1)
10-6 人臉對齊算法深度學習算法及3D人臉問題(2)
10-7 人臉對齊算法常用數(shù)據(jù)集
10-8 人臉對齊算法常見問題及解決思路
10-9 Tensorflow-SENet模型詳細介紹
10-10 數(shù)據(jù)準備和環(huán)境參數(shù)
10-11 人臉關鍵點數(shù)據(jù)打包(1)
10-12 人臉關鍵點數(shù)據(jù)打包(2)
10-13 人臉關鍵點模型訓練編程實例（1）
10-14 人臉關鍵點模型訓練編程實例（2）
10-15 人臉關鍵點模型訓練編程實例（3）
10-16 人臉關鍵點模型導出Pb文件(模型固化)
10-17 人臉關鍵點模型測試
10-18 人臉關鍵點模型Flaskweb接口封裝（1）
10-19 人臉關鍵點模型Flaskweb接口封裝（2）
10-20 人臉關鍵點模型小程序端編程實戰(zhàn)
第11章 活體檢測業(yè)務實戰(zhàn)
主要介紹活體檢測模型，具體內容包括了關鍵點模型的調用、數(shù)據(jù)集準備、睜閉眼檢測算法、張閉嘴檢測算法以及算法調優(yōu)。本章節(jié)通過對Python3+關鍵點模型進行進一步的利用，完成活體檢測任務，幫助大家了解更多的在實際工程中關鍵點使用場景，并通過實戰(zhàn)的方式，鍛煉大家的動手實操能力。...
11-1 活體檢測業(yè)務介紹
11-2 活體檢測方法
11-3 活體檢測方法面臨挑戰(zhàn)和解決思路
11-4 活體檢測編程準備
11-5 活體檢測微信web端開發(fā)（1）
11-6 活體檢測微信web端開發(fā)（2）
11-7 活體檢測編程實戰(zhàn)微信端開發(fā)
第12章 人臉屬性業(yè)務實戰(zhàn)
通過搭建Tensorflow+多任務網(wǎng)絡來完成對人臉屬性的預測與與回歸，具體任務包括了人臉屬性業(yè)務介紹、人臉屬性多任務網(wǎng)絡數(shù)據(jù)集介紹、下載、TF-Recoder人臉屬性數(shù)據(jù)集打包、定義人臉屬性多任務網(wǎng)絡、多任務網(wǎng)絡模型訓練、多任務網(wǎng)絡模型主干網(wǎng)絡優(yōu)化、模型整體參數(shù)優(yōu)化、模型測試比較（參數(shù)量、計算量、inference時間、準確率...
12-1 人臉屬性業(yè)務介紹
12-2 基于多任務網(wǎng)絡的人臉屬性編程實戰(zhàn)
12-3 數(shù)據(jù)準備
12-4 模型搭建和模型訓練（1）
12-5 模型搭建和模型訓練（2）
12-6 模型搭建和模型訓練（3）
12-7 模型固化轉PB
12-8 模型測試
12-9 flask端 web接口封裝
12-10 人臉屬性小程序功能實現(xiàn)
第13章 課程總結
針對課程進行最后總結，回顧課程核心內容，再次幫助大家理清學習內容進一步的給出后續(xù)學習和提升給出建設性意見。
13-1 課程總結
