TensorFlow人脸识别实战

作品简介

使用深度学习进行人脸识别是近年来AI研究的热点之一。该书使用TensorFlow2.1作为深度学习的框架和工具，引导读者从搭建环境开始，逐步深入代码应用实践中，进而达到独立使用深度学习模型完成人脸识别的目的。

《TensorFlow人脸识别实战（人工智能技术丛书）》分为10章，第1、2章介绍人脸识别的基础知识和发展路径；第3章从搭建环境开始，详细介绍Anaconda、Python、PyCharm、TensorFlow CPU版本和GPU版本的安装；第4-6章介绍TensorFlow基本和高级API的使用；第7章介绍使用原生API处理数据的方法和可视化训练过程；第8章是实战准备，介绍ResNet模型的实现和应用；第9、10章综合该书前面的知识，学习人脸识别模型与人脸检测这两个实战项目。

《TensorFlow人脸识别实战（人工智能技术丛书）》内容详尽、示例丰富，是机器学习和深度学习初学者必备的参考书，同时也非常适合高等院校和培训机构人工智能及相关专业的师生教学参考。

王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项国家专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。

作品目录

• 内容简介
• 前言
• 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
• 1.2　计算机视觉学习的基础与研究方向
• 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
• 2.2　基于深度学习的人脸识别
• 2.3　本章小结
• 第3章　TensorFlow的安装
• 3.1　搭建环境1：安装Python
• 3.2　搭建环境2：安装TensorFlow 2
• 3.3　本章小结
• 第4章　Hello TensorFlow & Keras
• 4.1　TensorFlow & Keras
• 4.2　全连接层详解
• 4.3　懒人的福音——Keras模型库
• 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
• 5.3　反馈神经网络反向传播算法
• 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
• 6.2　编程实战：MNIST手写体识别
• 6.3　激活、分类以及池化函数简介（选学）
• 6.4　本章小结
• 第7章　TensorFlow Datasets和TensorBoard详解
• 7.1　TensorFlow Datasets简介
• 7.2　Datasets数据集的使用——FashionMNIST
• 7.3　使用Keras对FashionMNIST数据集进行处理
• 7.4　使用TensorBoard可视化训练过程
• 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
• 8.2　ResNet实战：CIFAR-100数据集分类
• 8.3　ResNet的兄弟——ResNeXt
• 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
• 9.2　基于深度学习MTCNN模型的人脸检测
• 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
• 10.2　基于相似度计算的人脸识别模型
• 10.3　本章小结