登入帳戶  | 訂單查詢  | 購物車/收銀台( 0 ) | 在線留言板  | 付款方式  | 運費計算  | 聯絡我們  | 幫助中心 |  加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種:超過100萬種各類書籍/音像和精品,正品正價,放心網購,悭钱省心 服務:香港台灣澳門海外 送貨:速遞郵局服務站

新書上架簡體書 繁體書
暢銷書架簡體書 繁體書
好書推介簡體書 繁體書

三月出版:大陸書 台灣書
二月出版:大陸書 台灣書
一月出版:大陸書 台灣書
12月出版:大陸書 台灣書
11月出版:大陸書 台灣書
十月出版:大陸書 台灣書
九月出版:大陸書 台灣書
八月出版:大陸書 台灣書
七月出版:大陸書 台灣書
六月出版:大陸書 台灣書
五月出版:大陸書 台灣書
四月出版:大陸書 台灣書
三月出版:大陸書 台灣書
二月出版:大陸書 台灣書
一月出版:大陸書 台灣書

『簡體書』TensorFlow人脸识别实战

書城自編碼: 3653347
分類:簡體書→大陸圖書→計算機/網絡人工智能
作者: 王晓华
國際書號(ISBN): 9787302583820
出版社: 清华大学出版社
出版日期: 2021-08-01

頁數/字數: /
書度/開本: 16开 釘裝: 平装

售價:HK$ 73.8

我要買

 

** 我創建的書架 **
未登入.


新書推薦:
活出最佳自我
《 活出最佳自我 》

售價:HK$ 84.5
Web3:科技新趋势
《 Web3:科技新趋势 》

售價:HK$ 83.5
大汉史家:班氏列传(上下册)
《 大汉史家:班氏列传(上下册) 》

售價:HK$ 104.1
与孤独对抗:弗洛姆眼中的爱、自由与身份认同危机
《 与孤独对抗:弗洛姆眼中的爱、自由与身份认同危机 》

售價:HK$ 95.6
严复传
《 严复传 》

售價:HK$ 70.2
格调与文明:维多利亚时代极情尽致的浮世生活
《 格调与文明:维多利亚时代极情尽致的浮世生活 》

售價:HK$ 118.6
性别麻烦
《 性别麻烦 》

售價:HK$ 71.4
南宋:倔强的抵抗
《 南宋:倔强的抵抗 》

售價:HK$ 154.9

 

建議一齊購買:

+

HK$ 86.3
《 TensorFlow语音识别实战 》
+

HK$ 99.9
《 TensorFlow 2 实战 》
+

HK$ 106.7
《 详解深度学习 基于TensorFlow和Keras学习RNN 》
+

HK$ 130.4
《 TensorFlow移动端机器学习实战 》
+

HK$ 145.8
《 TensorFlow深度学习 第2版(影印版) 》
+

HK$ 145.8
《 精通TensorFlow 1.x(影印版) 》
編輯推薦:
使用深度学习进行人脸识别是近年来AI研究的热点之一。本书可以帮助读者掌握深度学习的核心内容、TensorFlow实现人脸识别的技术要点以及从模型构建到应用程序编写的整套技巧。
內容簡介:
使用深度学习进行人脸识别是近年来AI研究的热点之一。本书使用TensorFlow 2.1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。 本书分为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章综合本书前面的知识,学习人脸识别模型与人脸检测这两个实战项目。 本书内容详尽、示例丰富,是机器学习和深度学习初学者的参考书,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。
關於作者:
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。
目錄
第1章 Hello World——从计算机视觉与人类视觉谈起 1
1.1 视觉的发展简史 1
1.1.1 人类视觉神经的启迪 1
1.1.2 计算机视觉的难点与人工神经网络 3
1.1.3 应用深度学习解决计算机视觉问题 3
1.2 计算机视觉学习的基础与研究方向 5
1.2.1 学习计算机视觉结构图 5
1.2.2 计算机视觉的学习方式和未来趋势 6
1.3 本章小结 7
第2章 众里寻她千百度——人脸识别的前世今生 8
2.1 人脸识别简介 9
2.1.1 人脸识别的发展历程 9
2.1.2 人脸识别的一般方法 10
2.1.3 人脸识别的通用流程 11
2.2 基于深度学习的人脸识别 13
2.2.1 基于深度学习的人脸识别简介 14
2.2.2 用于深度学习的人脸识别数据集 16
2.3 本章小结 19
第3章 TensorFlow的安装 20
3.1 搭建环境1:安装Python 20
3.1.1 Anaconda的下载与安装 20
3.1.2 Python编译器PyCharm的安装 24
3.1.3 使用Python计算softmax函数 27
3.2 搭建环境2:安装TensorFlow 2 28
3.2.1 安装TensorFlow 2的CPU版本 28
3.2.2 安装TensorFlow 2的GPU版本 29
3.2.3 练习——Hello TensorFlow 32
3.3 本章小结 32
第4章 Hello TensorFlow & Keras 33
4.1 TensorFlow & Keras 33
4.1.1 模型 34
4.1.2 使用Keras API实现鸢尾花分类的例子(顺序模式) 35
4.1.3 使用Keras函数式编程实现鸢尾花分类的例子(重点) 37
4.1.4 使用保存的Keras模式对模型进行复用 40
4.1.5 使用TensorFlow标准化编译对Iris模型进行拟合 41
4.1.6 多输入单输出TensorFlow编译方法(选学) 45
4.1.7 多输入多输出TensorFlow编译方法(选学) 48
4.2 全连接层详解 50
4.2.1 全连接层的定义与实现 50
4.2.2 使用TensorFlow自带的API实现全连接层 51
4.2.3 打印显示已设计的模型结构和参数 54
4.3 懒人的福音——Keras模型库 56
4.3.1 ResNet50模型和参数的载入 57
4.3.2 使用ResNet50作为特征提取层建立模型 58
4.4 本章小结 61
第5章 深度学习的理论基础 62
5.1 BP神经网络简介 62
5.2 BP神经网络两个基础算法详解 66
5.2.1 小二乘法详解 66
5.2.2 道士下山的故事——梯度下降算法 68
5.2.3 小二乘法的梯度下降算法以及Python实现 71
5.3 反馈神经网络反向传播算法 77
5.3.1 深度学习基础 78
5.3.2 链式求导法则 79
5.3.3 反馈神经网络原理与公式推导 80
5.3.4 反馈神经网络原理的激活函数 85
5.3.5 反馈神经网络原理的Python实现 87
5.4 本章小结 91
第6章 卷积层与MNIST实战 92
6.1 卷积运算的基本概念 92
6.1.1 卷积运算 93
6.1.2 TensorFlow中卷积函数的实现 95
6.1.3 池化运算 97
6.1.4 softmax激活函数 98
6.1.5 卷积神经网络原理 99
6.2 编程实战:MNIST手写体识别 101
6.2.1 MNIST数据集 101
6.2.2 MNIST数据集的特征和标签 103
6.2.3 TensorFlow 2编程实战:MNIST数据集 106
6.2.4 使用自定义的卷积层实现MNIST识别 110
6.3 激活、分类以及池化函数简介(选学) 113
6.3.1 别偷懒——激活函数是分割器 113
6.3.2 太多了,我只要一个——池化运算 116
6.3.3 全连接层详解 117
6.3.4 终的裁判——分类函数 119
6.3.5 随机失活层 121
6.4 本章小结 121
第7章 TensorFlow Datasets和TensorBoard详解 122
7.1 TensorFlow Datasets简介 122
7.1.1 Datasets数据集的安装 124
7.1.2 Datasets数据集的使用 124
7.2 Datasets数据集的使用——FashionMNIST 126
7.2.1 FashionMNIST数据集下载与展示 127
7.2.2 模型的建立与训练 129
7.3 使用Keras对FashionMNIST数据集进行处理 131
7.3.1 获取数据集 131
7.3.2 数据集的调整 132
7.3.3 使用Python类函数建立模型 132
7.3.4 模型的查看和参数打印 134
7.3.5 模型的训练和评估 135
7.4 使用TensorBoard可视化训练过程 137
7.4.1 TensorBoard文件夹的设置 138
7.4.2 TensorBoard的显式调用 138
7.4.3 TensorBoard的使用 141
7.5 本章小结 145
第8章 从冠军开始:ResNet 146
8.1 ResNet的基础原理与程序设计基础 147
8.1.1 ResNet诞生的背景 147
8.1.2 模块工具的TensorFlow实现 150
8.1.3 TensorFlow高级模块layers的用法 151
8.2 ResNet实战:CIFAR-100数据集分类 158
8.2.1 CIFAR-100数据集简介 158
8.2.2 ResNet残差模块的实现 161
8.2.3 ResNet网络的实现 163
8.2.4 使用ResNet对CIFAR-100数据集进行分类 166
8.3 ResNet的兄弟——ResNeXt 168
8.3.1 ResNeXt诞生的背景 168
8.3.2 ResNeXt残差模块的实现 169
8.3.3 ResNeXt网络的实现 171
8.3.4 ResNeXt和ResNet的比较 172
8.4 本章小结 173
第9章 人脸检测实战 174
9.1 使用Python库进行人脸检测 175
9.1.1 LFW数据集简介 175
9.1.2 Dlib库简介 176
9.1.3 OpenCV简介 177
9.1.4 使用Dlib实现图像中的人脸检测 177
9.1.5 使用Dlib和OpenCV建立人脸检测数据集 181
9.2 基于深度学习MTCNN模型的人脸检测 183
9.2.1 MTCNN模型简介 183
9.2.2 MTCNN模型的使用 186
9.2.3 MTCNN模型中的一些细节 193
9.3 本章小结 195
第10章 人脸识别模型 196
10.1 基于深度学习的人脸识别模型 196
10.1.1 人脸识别的基本模型SiameseModel(孪生模型) 197
10.1.2 SiameseModel的实现 199
10.1.3 人脸识别数据集的准备 201
10.2 基于相似度计算的人脸识别模型 202
10.2.1 一种新的损失函数Triplet Loss 202
10.2.2 基于TripletSemiHardLoss的MNIST模型 205
10.2.3 基于TripletSemiHardLoss和SENET的人脸识别模型 211
10.3 本章小结 216
內容試閱
在新冠疫情肆虐时,国家认可的健康宝(我们常说的绿码)遍地开花,而这离不开人脸识别,人脸就是我们的通行证。
人脸识别技术就是基于人的脸部特征信息进行身份识别的一种生物识别技术,是用多种测量方法和手段来扫描人脸,包括热成像、3D人脸地图、独特特征(也称为地标)分类等分析面部特征的几何比例、关键面部特征之间的映射距离、皮肤表面纹理。
长期以来,由于技术手段的落后和人脸的复杂,人脸技术一直没有被大规模应用。究其原因,还是当时的人脸识别技术对人的头部位置、面部表情以及年龄的易变性辨识度非常低,难以准确地判断目标,不能给出一个准确度较高的结论,从而制约了这项技术的发展。
随着深度学习的兴起,人们发现使用深度学习技术能够较好地进行人脸识别。深度学习方法的主要优势是可以用非常大型的数据集进行训练,学习到表征这些数据的特征,从而在要求的准确度下实现人脸识别的目标。
本书以全新的TensorFlow 2版本为基础进行编写,教会读者如何运用深度学习框架实现人脸识别。从TensorFlow 2的基础语法开始讲解,到介绍如何使用TensorFlow 2进行深度学习程序的设计,以及如何在实战中设计出人脸识别模型。
本书对TensorFlow 2的核心内容进行深入分析,重要内容均结合代码进行讲解,围绕深度学习原理介绍了大量实战案例,读者通过这些案例可以将TensorFlow 2运用于自己的实际开发工作和项目中。
本书是一本面向初级和中级读者的翔实教程。通过本书的学习,读者能够掌握深度学习的核心内容和在TensorFlow框架下实现人脸识别的知识要点,以及掌握从模型构建到应用程序编写的整套技巧。
本书特色
1. 版本新,易入门
本书详细介绍TensorFlow 2的安装和使用、TensorFlow的默认API以及官方推荐的Keras编程方法与技巧等。
2. 作者经验丰富,代码编写细腻
作者是长期奋战在科研和工业界的一线算法设计和程序编写人员,实战经验丰富,对代码中可能会出现的各种问题和“坑”有丰富的处理经验,使得读者能够少走很多弯路。
3. 理论扎实,深入浅出
在代码设计的基础上,本书还深入浅出地介绍需要掌握的深度学习的一些基本理论知识,作者通过大量的公式与图示结合的方式对理论进行阐述,是一本难得的好书。
4. 对比多种应用方案,实战案例丰富
本书采用大量的实例,同时也提供一些实现同类功能的其他解决方案,覆盖使用TensorFlow进行深度学习开发中常用的知识。
本书内容及知识体系
本书是基于TensorFlow 2.1版本的新架构模式和框架来完整介绍TensorFlow 2使用方法的进阶教程,主要内容如下:
第1、2章是本书的起始部分,详细介绍人类视觉的生理解释和人脸识别的发展历程、使用过的传统技术和方法以及缺陷和不足,并且介绍使用深度学习进行人脸识别的通用流程和一些可以获取到的数据集,供读者在后期学习中使用。
第3章是有关深度学习框架TensorFlow的使用。本章详细介绍TensorFlow 2.1版本的安装方法以及对应的运行环境的安装,并且通过一个简单的例子验证TensorFlow 2的安装效果。还将介绍TensorFlow硬件的采购,使用一块能够运行TensorFlow GPU版本的显卡能让我们的学习事半功倍。
第4章是本书的重点,从MODEL的设计开始,循序渐进地介绍TensorFlow 2的编程方法和步骤,包括结合Keras进行TensorFlow 2模型设计的完整步骤,以及自定义层的方法。第4章的内容看起来很简单,但却是本书的核心,读者一定要反复阅读,掌握所有内容和代码的编写。
第5章是深度学习的理论部分,介绍反馈神经网络的实现和核心的两个算法,作者通过图示并结合理论公式的方式详细介绍理论和原理,并手动实现了一个反馈神经网络。
第6章详细介绍卷积神经网络的原理和各个模型的使用和自定义内容,讲解借助卷积神经网络算法构建一个简单的CNN模型进行MNIST数字识别。使用卷积神经网络识别物体是深度学习的一个经典内容,也是人脸识别的基础内容。因而本章也是本书的重点内容,能够极大地加强读者掌握对TensorFlow框架的使用和程序的编写。
第7章介绍TensorFlow新版本的数据读写和训练过程的可视化部分,内容包括使用TensorFlow 2自带的Datasets API对数据的序列化存储,通过简单的想法将数据重新读取和调用的程序编写方法,以及训练过程可视化的一个非常重要的工具TensorBoard。
第8章介绍ResNet的基本思想和内容。ResNet是一个具有里程碑性质的框架,标志着粗犷的卷积神经网络设计向着精确化和模块化的方向转化。ResNet本身的程序编写非常简单,但是其中蕴含的设计思想却是跨越性的。
第9章讲解人脸识别的一个重要模块。首先向读者介绍使用Python封装好的类库实现人脸的检测,并在此基础上教会读者使用已有的程序自制所需要的人脸检测数据集。之后详细介绍MTCNN这个经典的人脸检测模型的使用方法。
第10章介绍使用多种深度学习模型实现人脸识别模型,从基于卷积神经到使用孪生网络的单机版模型,进而引申到为了解决人脸识别不易迁移而诞生的TripletModel。本书为这一系列的人脸识别模型均提供了实现代码,并对这些实现代码进行了讲解,旨在帮助读者解决使用人脸识别模型实战时可能遇到的各种问题。
源码、数据集、开发环境与技术支持
本书配套资源请用微信扫描右边的二维码下载,也可按页面提示把链接转发到自己的邮箱中下载。
如果有疑问,可发送邮件至booksaga@163.com,邮件主题为“TensorFlow人脸识别实战”。技术支持信息请查看下载资源中的相关文件。
适合阅读本书的读者
? 人工智能初学者。
? 深度学习初学者。
? 人脸识别初学读者。
? 高等院校人工智能相关专业的师生。
? 培训机构的师生。
? 其他对智能化、自动化感兴趣的研发人员。
勘误和支持
由于笔者的水平有限,加之编写时间跨度较长,同时TensorFlow的演进较快,在编写此书的过程中难免会出现不够准确的地方,恳请读者批评指正。
感谢出版社所有编辑在本书编写中提供的无私帮助和宝贵建议,正是由于编辑的耐心和支持才让本书得以出版。感谢我的家人的支持和理解,这些都给了我莫大的动力,让我的努力更加有意义。

著者
2021年1月

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 大陸用户 | 海外用户
megBook.com.hk
Copyright © 2013 - 2024 (香港)大書城有限公司  All Rights Reserved.