Deep Learning: masked face detection, recognition [Johnny Liao] [Udemy]

Deep Learning: masked face detection, recognition SSD face and facial mask detection, MTCNN face detection, and train your own model to recognize faces even with masks С наивысшим рейтингом Рейтинг: 4,8 из 54,8 (29 оценок) Студентов: 175 Последнее обновление: 7/2021 Английский Английский [авто Чему вы научитесь How to install Python, Tensorflow, Pycharm from scratch How to create your own classification model What's FaceNet What's the difference between classification models and face recognition models How to create your own FaceNet model by modifying the classification model How to do the face alignment using SSD face detection How to do the face alignment using MTCNN face detection How to do the data cleaning How to create masked face dataset How to train your FaceNet model What are training skills How to implement training skills to train models effectively How to perform the real time face detection, mask detection, and face recognition Материалы курса 18 разделов • 54 лекций • Общая продолжительность 12 ч 9 мин Требования High school mathematics level Basic Python and Tensorflow Desktop or laptop with Windows and at least 6GB Nvidia GPU cards A USB camera or a laptop camera Deep Learning of artificial intelligence(AI) is an exciting future technology with explosive growth. Masked face recognition is a mesmerizing topic which contains several AI technologies including classifications, SSD object detection, MTCNN, FaceNet, data preparation, data cleaning, data augmentation, training skills, etc. Nowadays, people are required to wear masks due to the COVID-19 pandemic. The conventional FaceNet model barely recognizes faces without masks Even the FaceID on iPhone or iPad devices only works without masks. In this course, I will teach you how to train a model that works with masks. In the final presentation, you will be able to very proudly perform the real time face detection, face mask detection, and face recognition, even with masks! Windows is the operating system so you don't need to learn Linux first. Having Python and Tensorflow knowledge are suggested. In my tutorials, I would like to explain difficult theories and formulas by easy concepts or practical examples. Model training always takes a lot of time. Take this project as an example, it needs more than 400,000 images to train. I've spent much time on training skills. After numerous experimental confirmation, I summarized my methods by plots to let you digest easily. These training skills can be not only applied in face recognition but also in other models. All lectures are spoken in plain English. If you feel my speaking pace is quite slow, you can use the gear setting to speed up. If you don't want to train the model by yourself, the source code and trained weight files are included! Besides the training steps, this is also a highly integrated application. Achievement from the topic, skills grow from the project. I hope you enjoy the fun of AI. Для кого этот курс: Those who have Python basics tend to learn Deep Learning or Face Recognition Any engineers who want to level up in Deep Learning Глубокое обучение: обнаружение лица по маске, распознавание Распознавание лиц и лицевых масок SSD, обнаружение лиц MTCNN и обучение собственной модели распознаванию лиц даже с масками С наивысшим рейтингом Рейтинг: 4,8 из 54,8 (29 оценок) Студентов: 175 Последнее обновление: 7/2021 Английский Английский [авто] Чему вы научитесь Как установить Python, Tensorflow, Pycharm с нуля Как создать свою классификационную модель Что такое FaceNet В чем разница между моделями классификации и моделями распознавания лиц Как создать собственную модель FaceNet, изменив модель классификации Как сделать выравнивание лица с помощью SSD-распознавания лиц Как сделать выравнивание лица с помощью распознавания лиц MTCNN Как сделать очистку данных Как создать набор данных замаскированного лица Как обучить вашу модель FaceNet Что такое тренировочные навыки Как реализовать обучающие навыки для эффективного обучения моделей Как выполнять обнаружение лиц в реальном времени, обнаружение маски и распознавание лиц Материалы курса 18 разделов • 54 лекций • Общая продолжительность 12 ч 9 мин Требования Уровень математики в средней школе Базовый Python и Tensorflow Настольный компьютер или ноутбук с Windows и видеокартами Nvidia объемом не менее 6 ГБ USB-камера или камера ноутбука Глубокое обучение искусственного интеллекта (ИИ) - это захватывающая технология будущего, стремительно развивающаяся. Распознавание лиц в маске - это завораживающая тема, которая содержит несколько технологий искусственного интеллекта, включая классификации, обнаружение объектов SSD, MTCNN, FaceNet, подготовку данных, очистку данных, увеличение данных, навыки обучения и т. Д. В настоящее время люди обязаны носить маски из-за пандемии COVID-19. Обычная модель FaceNet практически не распознает лица без масок. Даже FaceID на устройствах iPhone или iPad работает только без масок. В этом курсе я научу вас обучать модель, которая работает с масками. В финальной презентации вы сможете с гордостью выполнить обнаружение лиц в реальном времени, обнаружение маски лица и распознавание лиц, даже с использованием масок! Windows - это операционная система, поэтому вам не нужно сначала изучать Linux. Предлагается знание Python и Tensorflow. В своих уроках я хотел бы объяснять сложные теории и формулы с помощью простых понятий или практических примеров. Обучение модели всегда занимает много времени. Возьмем, к примеру, этот проект, для обучения ему требуется более 400 000 изображений. Я потратил много времени на тренировку навыков. После многочисленных экспериментальных подтверждений я резюмировал свои методы по графикам, чтобы вы могли легко усваивать. Эти обучающие навыки можно применять не только в распознавании лиц, но и в других моделях. Все лекции читаются на простом английском языке. Если вы чувствуете, что мой темп речи довольно медленный, вы можете использовать настройку передачи, чтобы ускориться. Если вы не хотите обучать модель самостоятельно, включены исходный код и файлы с обученными весами! Помимо этапов обучения, это также высокоинтегрированное приложение. Достижение по теме, навыки растут из проекта. Надеюсь, вам понравится ИИ. Для кого этот курс: Те, у кого есть основы Python, как правило, изучают глубокое обучение или распознавание лиц. Любые инженеры, которые хотят повысить уровень глубокого обучения