• 学习时长

    八周/建议每周至少八小时

  • 答疑服务

    专属微信答疑群/讲师直接参与

  • 作业批改

    每章节设计作业/及时批改评优

  • 第1章: 人脸识别概述
  • 第1节: 人脸识别研究背景及优势
  • 任务1-1: 【课件】人脸识别概述
  • 任务1-2: 【视频】人脸识别背景 29:56
  • 第2节: 人脸识别的发展归纳
  • 任务2: 【视频】人脸识别发展
  • 第3节: 人脸识别常用数据库
  • 任务3: 【视频】人脸识别数据库
  • 第4节: 人脸识别常用测试协议
  • 任务4: 【视频】测试协议
  • 第5节: 作业
  • 任务5: 【作业】认识测试协议
  • 第2章: 传统人脸识别方法
  • 第1节: 人脸识别基本流程
  • 任务6-1: 【课件】传统人脸识别方法.pdf
  • 任务6-2: 【视频】传统人脸识别方法的基本流程
  • 第2节: 特征提取与降维方法
  • 任务7: 【视频】特征提取
  • 第3节: 分类器
  • 任务8: 【视频】分类器
  • 第4节: 作业
  • 任务9: 【作业】理解PCA降维与LBP特征
  • 第3章: 基于深度学习的人脸识别-前瞻
  • 第1节: 课件
  • 任务10: 【课件】第3节 早期深度学习人脸识别算法.pdf
  • 第2节: 早期DeepID系列算法
  • 任务11: 【视频】早期深度学习人脸识别算法
  • 第3节: 人脸识别环境配置
  • 任务12: 【视频】环境配置演示
  • 第4节: 数据准备及预处理
  • 任务13-1: 【视频】数据处理实践 19:47
  • 任务13-2: 【代码】MTCNN.zip
  • 第5节: 实践:配置环境,并使用MTCNN对CASIA-WebFace 和LFW 数据切图
  • 任务14: 【作业】MTCNN实践
  • 第4章: 基于深度学习的人脸识别-网络结构
  • 第1节: 课件
  • 任务15: 【课件】网络结构.pdf
  • 第2节: 卷积神经网络的基础模块与操作
  • 任务16: 【视频】卷积神经网络基础
  • 第3节: 通用分类架构及常见人脸识别模块
  • 任务17: 【视频】通用网络分类及人脸识别模块
  • 第4节: 实践:Pytorch搭建SEResnet-IR 网络结构
  • 任务18: 【作业】搭建网络结构
  • 第5章: 基于深度学习的人脸识别-损失函数(2次课)
  • 第1节: 课件
  • 任务19: 【课件】损失函数 I.pdf
  • 第2节: Softmax损失函数
  • 任务20: 【视频】softmax
  • 第3节: Margin-based Softmax 损失函数
  • 任务21: 【视频】margin-softmax
  • 第4节: Mining-based Softmax 损失函数
  • 任务22: 【视频】mining-softmax 06:25
  • 第5节: 作业 I
  • 第6节: 联合Margin-Mining 损失函数:主讲MV-Softmax
  • 第7节: 度量学习损失函数:主讲Contrastive Loss, Triplet Loss
  • 第8节: 实践:直接从零训和finetune两种方式训练网络