[327] Python3+TensorFlow 打造人脸识别智能小程序 - 熟练掌握人脸业务开发以及实际工程中模型的设计、训练和调优

网盘链接：

1. 课程导学

• 1-1 课程导学

2. 深度学习基础串讲（必备理论知识）

• 2-1 卷积神经网基本概念
• 2-2 前向运算
• 2-3 反向传播基本概念
• 2-4 反向传播迭代过程及参数优化概念
• 2-5 反向传播之导数、方向导数、偏导数、梯度的概念
• 2-6 反向传播之梯度下降算法
• 2-7 深度学习发展迅猛的原因

3. 卷积神经网络基础串讲（必备理论知识与技巧）

• 3-1 卷积神经网内容概括
• 3-2 基本组成单元
• 3-3 卷积运算的定义
• 3-4 卷积的重要参数以及卷积核
• 3-5 权值共享与局部连接
• 3-6 卷积核与感受野
• 3-7 步长与Pad
• 3-8 卷积的定义与使用介绍（Tensorflow与Caffe）
• 3-9 池化层
• 3-10 激活层
• 3-11 BN
• 3-12 全连接层
• 3-13 dropout
• 3-14 损失层（1）
• 3-15 损失层（2）
• 3-16 卷积神经网发展历史
• 3-17 LeNet与AlexNet-卷积神经网如何减少参数量和计算量
• 3-18 ZFNet与VggNet-卷积神经网如何减少参数量和计算量
• 3-19 Inception系列-卷积神经网如何减少参数量和计算量
• 3-20 从卷积的角度思考，如何减小网络中的计算量？
• 3-21 resnet系列网络（1）
• 3-22 resnet系列网络（2）
• 3-23 网络性能计算量对比
• 3-24 轻量型卷积神经网-SqueezeNet
• 3-25 轻量型卷积神经网-MobileNet
• 3-26 轻量型卷积神经网-ShuffleNet V1
• 3-27 轻量型卷积神经网-ShuffleNet V2
• 3-28 多分支的卷积神经网
• 3-29 卷积神经网中的Attention
• 3-30 卷积神经网的压缩方法

4. Tensorflow基础串讲（必备TF框架知识与实操）

• 4-1 TensorFlow概念介绍-Graph
• 4-2 Session-Tensor-Operation-Feed-Fetch介绍
• 4-3 TensorFlow中核心API接口
• 4-4 TensorFlow数据读取机制与API方法
• 4-5 Cifar10数据解析编程案例
• 4-6 Tensorflow中TFRecord数据打包编程案例
• 4-7 如何使用tf.train.slice_input_producer读取文件列表中的样本
• 4-8 如何使用tf.train.string_input_producer读取文件列表中的样本
• 4-9 如何通过TF对已经打包过的数据进行解析
• 4-10 TF中的高级API接口
• 4-11 TF中的数据增强
• 4-12 Tensorboard 调试技巧

5. Tensorflow挑战Cifar-10图像分类任务

• 5-1 TF挑战cifar10
• 5-2 Cifar10数据读取与数据增强
• 5-3 TensorFlow+Slim网络结构搭建
• 5-4 Loss、Optimal、Learning Rate、BN等定义
• 5-5 Train部分代码编写
• 5-6 Test部分代码编写
• 5-7 Tensorboard+tf.summary
• 5-8 模型恢复和模型存储
• 5-9 网络结构优化—resnet模型
• 5-10 TF官方版本训练Cifar10分类任务

6. 人脸检测业务实战

• 6-1 人脸业务场景实战
• 6-2 人脸检测业务描述以及人脸标注方法
• 6-3 人脸检测性能评价指标
• 6-4 基于传统的人脸检测方法
• 6-5 人脸检测方法
• 6-6 【讨论题】人脸检测与通用物体检测和文本检测的区别？
• 6-7 人脸检测面临的问题与小人脸问题
• 6-8 【讨论题】小目标检测问题的挑战与优化？
• 6-9 SSD模型介绍 主干网络与多尺度Feature map
• 6-10 SSD模型原理介绍（Anchor与Default box）
• 6-11 SSD模型原理介绍（Prior box、损失函数、样本构造、数据增强）
• 6-12 TensorFlow-ssd环境搭建（1）
• 6-13 TensorFlow-ssd环境搭建（2）
• 6-14 数据清洗与数据打包-理论讲解（1）
• 6-15 数据清洗与数据打包-理论讲解（2）
• 6-16 数据清洗与数据打包-实操（1）
• 6-17 数据清洗与数据打包-实操（2）
• 6-18 数据清洗与数据打包-实操（3）
• 6-19 TensorFlow-ssd模型训练之框架解读（1）
• 6-20 TensorFlow-ssd模型训练之框架解读（2）
• 6-21 TensorFlow-ssd 模型训练-实操（1）
• 6-22 TensorFlow-ssd 模型训练-实操（2）
• 6-23 TensorFlow-ssd 模型训练-实操（3）
• 6-24 如何将训练好的模型转化成pb文件
• 6-25 TensorFlow-ssd 模型测试

7. Flask封装人脸检测模型web服务

• 7-1 Flask介绍
• 7-2 开始一个Flask案例
• 7-3 结合Flask定义人脸检测web接口

8. Web服务接口调用与人脸检测模块开发

• 8-1 微信小程序介绍
• 8-2 创建小程序项目
• 8-3 人脸检测小程序项目目录讲解
• 8-4 采集人脸图像
• 8-5 上传人脸图像
• 8-6 接口调用与结果绘制
• 8-7 人脸检测小程序演示

9. 人脸匹配业务实战

• 9-1 人脸匹配业务介绍
• 9-2 人脸特征表示问题（1）
• 9-3 人脸特征表示问题（2）
• 9-4 度量学习
• 9-5 【讨论题】比较分类与度量两种任务的LOSS的区别
• 9-6 facenet原理简介
• 9-7 facenet环境搭建
• 9-8 facenet数据准备-数据集介绍与说明
• 9-9 facenet数据准备-LFW-MTCNN
• 9-10 facenet数据准备-Dlib处理CASIA-Face以及CELEBA介绍
• 9-11 facenet模型训练
• 9-12 facenet源码解读与源码优化（1）
• 9-13 facenet源码解读与源码优化（2）
• 9-14 facenet模型测试
• 9-15 训练模型转pb文件，模型固化
• 9-16 web接口封装之人脸匹配业务流程说明
• 9-17 facenet web接口封装（1）
• 9-18 facenet web接口封装（2）
• 9-19 人脸注册小程序端编程实现
• 9-20 人脸注册flask服务端编程实现
• 9-21 人脸登录小程序端编程实现
• 9-22 人脸登录flask服务端编程实现
• 9-23 人脸登录流程回顾与阈值判定

10. 68点人脸关键点定位业务实战

• 10-1 人脸对齐基本概念介绍
• 10-2 人脸对齐算法评价指标
• 10-3 人脸对齐-传统方法(1)
• 10-4 人脸对齐-传统方法(2)
• 10-5 人脸对齐算法深度学习算法及3D人脸问题(1)
• 10-6 人脸对齐算法深度学习算法及3D人脸问题(2)
• 10-7 人脸对齐算法常用数据集
• 10-8 人脸对齐算法常见问题及解决思路
• 10-9 【讨论题】点定位问题有哪些可行方案？
• 10-10 Tensorflow-SENet模型详细介绍
• 10-11 数据准备和环境参数
• 10-12 人脸关键点数据打包(1)
• 10-13 人脸关键点数据打包(2)
• 10-14 人脸关键点模型训练编程实例（1）
• 10-15 人脸关键点模型训练编程实例（2）
• 10-16 人脸关键点模型训练编程实例（3）
• 10-17 人脸关键点模型导出Pb文件(模型固化)
• 10-18 人脸关键点模型测试
• 10-19 人脸关键点模型Flaskweb接口封装（1）
• 10-20 人脸关键点模型Flaskweb接口封装（2）
• 10-21 人脸关键点模型小程序端编程实战

11. 活体检测业务实战

• 11-1 活体检测业务介绍
• 11-2 活体检测方法
• 11-3 活体检测方法面临挑战和解决思路
• 11-4 活体检测编程准备
• 11-5 活体检测微信web端开发（1）
• 11-6 活体检测微信web端开发（2）
• 11-7 活体检测编程实战微信端开发

12. 人脸属性业务实战

• 12-1 人脸属性业务介绍
• 12-2 【讨论题】对比分类与回归两种问题
• 12-3 基于多任务网络的人脸属性编程实战
• 12-4 数据准备
• 12-5 模型搭建和模型训练（1）
• 12-6 模型搭建和模型训练（2）
• 12-7 模型搭建和模型训练（3）
• 12-8 模型固化转PB
• 12-9 模型测试
• 12-10 flask端 web接口封装
• 12-11 人脸属性小程序功能实现

13. 课程总结

• 13-1 课程总结