口罩识别:基于深度学习的桌面应用程序
使用 Python、TensorFlow 2、OpenCV、PyQT、Qt 学习并构建用于口罩检测的人脸识别桌面应用程序
讲师:G Sudheer
口袋资源独家Udemy付费课程,独家中英文字幕,配套资料齐全!
用不到1/10的价格,即可享受同样的高品质课程,且可以完全拥有,随时随地都可以任意观看和分享。
你将学到什么
- 使用深度学习进行面具检测的人脸识别
- 使用 TensorFlow 从头开始开发用于口罩的卷积网络
- 图像大数据预处理
- 用于人脸检测的 OpenCV
- 使用 PyQt 的计算机视觉桌面应用程序
- PyQt 基本概念
要求
- Python基础知识
- 熟悉张量流和深度学习
- 熟悉 Numpy 和 Pandas
描述
您将开发的项目:
项目先决条件:OpenCV
- 使用 OpenCV 进行图像处理
第-0节:设置项目
- 安装Python
- 安装依赖项
第-1节:数据预处理
- 收集图像
- 仅从图像中提取人脸
- 标记(目标输出)图像
- 数据预处理
- RGB均值减法图像
第 2 节:开发深度学习模型
- 使用自己的深度学习模型训练人脸识别。
- 卷积神经网络
- 模型评估
第 3 节:使用 CNN 模型进行预测
1. 将所有内容放在一起
第 4 节:PyQT 基础知识
第-5节:基于PyQt的桌面应用程序
概述:
我将通过安装Python并在 Python 中安装用于开发端到端项目的必要库来开始本课程。然后我将教您本课程的先决条件之一,即OpenCV中的图像处理技术以及图像背后的数学概念。我们还将对图像进行必要的图像分析和所需的预处理步骤。然后我们将使用 OpenCV 和深度神经网络做一个关于人脸检测的迷你项目。
有了图像基础知识的概念,我们将开始我们的项目第一阶段,人脸身份识别。我将从预处理图像开始这个阶段,我们将使用深度神经网络从图像中提取特征。然后根据人脸的特征,我们将训练不同的深度学习模型,例如卷积神经网络。我教你人脸识别模型的模型选择和超参数调整
一旦我们的深度学习模型准备就绪,我们将进入第 3 节,并编写使用 CNN 模型执行预测的代码。
最后,我们将开发桌面应用程序并对实时视频流进行预测。
你在等什么?开始课程,使用机器学习、Python 开发您自己的计算机视觉 Flask 桌面应用程序项目,并亲手将其部署在云中。
本课程适合谁:
- 任何想要开发人脸识别应用程序的人
声明:口袋资源网(koudaizy.com)提供的所有课程、素材等资源全部来源于互联网,赞助VIP仅用于对口袋资源服务器带宽及网站运营等费用支出做支持,从本站下载资源,说明你已同意本条款。