• 学习时长

    8周/建议每周至少8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

*课程已报满,可预约下一期

  • 1:人脸识别开课仪式
  • 第1章: 人脸识别概述
  • 第1节: 人脸识别研究背景及优势
  • 2-1:【课件】人脸识别概述
  • 2-2:【视频】人脸识别背景
  • 第2节: 人脸识别的发展归纳
  • 3:【视频】人脸识别发展
  • 第3节: 人脸识别常用数据库
  • 4:【视频】人脸识别数据库
  • 第4节: 人脸识别常用测试协议
  • 5:【视频】测试协议
  • 第5节: 作业
  • 6-1:【作业】认识测试协议
  • 6-2:人脸识别-第一次作业讲解.pdf
  • 第2章: 传统人脸识别方法
  • 第1节: 人脸识别基本流程
  • 7-1:【课件】传统人脸识别方法.pdf
  • 7-2:【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
  • 8:【视频】特征提取
  • 第3节: 分类器
  • 9:【视频】分类器
  • 第4节: 作业
  • 10-1:【作业】理解PCA降维与LBP特征
  • 10-2:人脸识别第二次作业讲解.pdf
  • 第3章: 基于深度学习的人脸识别-前瞻
  • 第1节: 早期DeepID系列算法
  • 11-1:【课件】 早期深度学习人脸识别算法
  • 11-2:【视频】早期深度学习人脸识别算法
  • 第2节: 人脸识别环境配置
  • 12:【视频】环境配置演示
  • 第3节: 数据准备及预处理
  • 13:【视频】数据处理实践
  • 第4节: 实践:配置环境,并使用MTCNN对CASIA-WebFace 和LFW 数据切图
  • 14-1:【代码】chapter3
  • 14-2:【作业】MTCNN实践
  • 14-3:人脸识别第三次作业讲解.pdf
  • 第4章: 基于深度学习的人脸识别-网络结构
  • 第1节: 课件
  • 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
  • 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
  • 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
  • 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
  • 19:【课件】损失函数 I.pdf
  • 第2节: Softmax损失函数
  • 20:【视频】softmax
  • 第3节: Margin-based Softmax 损失函数
  • 21:【视频】margin-softmax
  • 第4节: Mining-based Softmax 损失函数
  • 22:【视频】mining-softmax
  • 第5节: 训练测试解析
  • 23-1:【课件】人脸识别-损失函数-II.pdf
  • 23-2:【视频】训练测试解析
  • 第6节: Margin-Mining 损失函数
  • 24:【视频】margin-mining softmax
  • 第7节: search-softmax
  • 25:【视频】search-softmax
  • 第8节: 度量学习
  • 26:【视频】度量学习
  • 第9节: 模型训练及测试
  • 27-1:第五章部分代码
  • 27-2:【作业】人脸识别深度网络模型训练及测试
  • 第6章: 基于深度学习的人脸识别-数据
  • 第1节: 数据分析:噪声数据
  • 28-1:【课件】人脸识别-数据分
  • 28-2:【视频】噪声数据
  • 第2节: 数据分析:长尾分布、数据标签、大规模数据
  • 29:【视频】长尾分布等
  • 第3节: 实践:交互式人脸识别系统搭建
  • 30:【视频】人脸识别系统搭建
  • 第4节: 实践:demo搭建
  • 31-1:【代码】chapter6_demo_ws
  • 31-2:【作业】第六章
  • 31-3:第六章作业讲解.pdf
  • 第7章: 人脸识别模型压缩
  • 第1节: 模型压缩
  • 32-1:【课件】第七章.pdf
  • 32-2:【视频】模型压缩
  • 32-3:【作业】第七章
  • 32-4:第七章作业讲解.pdf
  • 32-5:【代码】chapter7_ws
课程项目:搭建交互式人脸识别系统Demo
课程项目:搭建交互式人脸识别系统Demo

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》