TensorFlow人脸识别实战电子书

封面页

书名页

版权页

内容简介

前言

目录

第1章　Hello World——从计算机视觉与人类视觉谈起

1.1　视觉的发展简史

1.1.1　人类视觉神经的启迪

1.1.2　计算机视觉的难点与人工神经网络

1.1.3　应用深度学习解决计算机视觉问题

1.2　计算机视觉学习的基础与研究方向

1.2.1　学习计算机视觉结构图

1.2.2　计算机视觉的学习方式和未来趋势

1.3　本章小结

第2章　众里寻她千百度——人脸识别的前世今生

2.1　人脸识别简介

2.1.1　人脸识别的发展历程

2.1.2　人脸识别的一般方法

2.1.3　人脸识别的通用流程

2.2　基于深度学习的人脸识别

2.2.1　基于深度学习的人脸识别简介

2.2.2　用于深度学习的人脸识别数据集

2.3　本章小结

第3章　TensorFlow的安装

3.1　搭建环境1：安装Python

3.1.1　Anaconda的下载与安装

3.1.2　Python编译器PyCharm的安装

3.1.3　使用Python计算softmax函数

3.2　搭建环境2：安装TensorFlow 2

3.2.1　安装TensorFlow 2的CPU版本

3.2.2　安装TensorFlow 2的GPU版本

3.2.3　练习——Hello TensorFlow

3.3　本章小结

第4章　Hello TensorFlow & Keras

4.1　TensorFlow & Keras

4.1.1　模型

4.1.2　使用Keras API实现鸢尾花分类（顺序模式）

4.1.3　使用Keras函数式编程实现鸢尾花分类（重点）

4.1.4　使用保存的Keras模式对模型进行复用

4.1.5　使用TensorFlow标准化编译对Iris模型进行拟合

4.1.6　多输入单输出TensorFlow编译方法（选学）

4.1.7　多输入多输出TensorFlow编译方法（选学）

4.2　全连接层详解

4.2.1　全连接层的定义与实现

4.2.2　使用TensorFlow自带的API实现全连接层

4.2.3　打印显示已设计的模型结构和参数

4.3　懒人的福音——Keras模型库

4.3.1　ResNet50模型和参数的载入

4.3.2　使用ResNet50作为特征提取层建立模型

4.4　本章小结

第5章　深度学习的理论基础

5.1　BP神经网络简介

5.2　BP神经网络两个基础算法详解

5.2.1　最小二乘法详解

5.2.2　道士下山的故事——梯度下降算法

5.2.3　最小二乘法的梯度下降算法以及Python实现

5.3　反馈神经网络反向传播算法

5.3.1　深度学习基础

5.3.2　链式求导法则

5.3.3　反馈神经网络原理与公式推导

5.3.4　反馈神经网络原理的激活函数

5.3.5　反馈神经网络原理的Python实现

5.4　本章小结

第6章　卷积层与MNIST实战

6.1　卷积运算的基本概念

6.1.1　卷积运算

6.1.2　TensorFlow中卷积函数的实现

6.1.3　池化运算

6.1.4　softmax激活函数

6.1.5　卷积神经网络的原理

6.2　编程实战：MNIST手写体识别

6.2.1　MNIST数据集

6.2.2　MNIST数据集的特征和标签

6.2.3　TensorFlow 2编程实战：MNIST数据集

6.2.4　使用自定义的卷积层实现MNIST识别

6.3　激活、分类以及池化函数简介（选学）

6.3.1　别偷懒——激活函数是分割器

6.3.2　太多了，我只要一个——池化运算

6.3.3　全连接层详解

6.3.4　最终的裁判——分类函数

6.3.5　随机失活层

6.4　本章小结

第7章　TensorFlow Datasets和TensorBoard详解

7.1　TensorFlow Datasets简介

7.1.1　Datasets数据集的安装

7.1.2　Datasets数据集的使用

7.2　Datasets数据集的使用——FashionMNIST

7.2.1　FashionMNIST数据集下载与展示

7.2.2　模型的建立与训练

7.3　使用Keras对FashionMNIST数据集进行处理

7.3.1　获取数据集

7.3.2　数据集的调整

7.3.3　使用Python类函数建立模型

7.3.4　模型的查看和参数打印

7.3.5　模型的训练和评估

7.4　使用TensorBoard可视化训练过程

7.4.1　TensorBoard文件夹的设置

7.4.2　TensorBoard的显式调用

7.4.3　TensorBoard的使用

7.5　本章小结

第8章　从冠军开始：ResNet

8.1　ResNet的基础原理与程序设计基础

8.1.1　ResNet诞生的背景

8.1.2　模块工具的TensorFlow实现

8.1.3　TensorFlow高级模块layers的用法

8.2　ResNet实战：CIFAR-100数据集分类

8.2.1　CIFAR-100数据集简介

8.2.2　ResNet残差模块的实现

8.2.3　ResNet网络的实现

8.2.4　使用ResNet对CIFAR-100数据集进行分类

8.3　ResNet的兄弟——ResNeXt

8.3.1　ResNeXt诞生的背景

8.3.2　ResNeXt残差模块的实现

8.3.3　ResNeXt网络的实现

8.3.4　ResNeXt和ResNet的比较

8.4　本章小结

第9章　人脸检测实战

9.1　使用Python库进行人脸检测

9.1.1　LFW数据集简介

9.1.2　Dlib库简介

9.1.3　OpenCV简介

9.1.4　使用Dlib实现图像中的人脸检测

9.1.5　使用Dlib和OpenCV建立人脸检测数据集

9.2　基于深度学习MTCNN模型的人脸检测

9.2.1　MTCNN模型简介

9.2.2　MTCNN模型的使用

9.2.3　MTCNN模型中的一些细节

9.3　本章小结

第10章　人脸识别模型

10.1　基于深度学习的人脸识别模型

10.1.1　人脸识别的基本模型SiameseModel（孪生模型）

10.1.2　SiameseModel的实现

10.1.3　人脸识别数据集的准备

10.2　基于相似度计算的人脸识别模型

10.2.1　一种新的损失函数Triplet Loss

10.2.2　基于TripletSemiHardLoss的MNIST模型

10.2.3　基于TripletSemiHardLoss和SENET的人脸识别模型

10.3　本章小结