尹相志

尹相志-深度學習之人臉辨識實戰

NT$5,250

＃人工智慧＃技術應用

人臉辨識技術近年來快速發展且逐漸受到重視。這當中包含深度學習演算法的突破，漸漸發展出基於深度學習的人臉識別，在這門課程中，尹相志老師將逐步引導各位從「人臉檢測」、「人臉對齊」、「活體識別」、「人臉識別」等主題切入，學習基於卷積神經神經網路的最新演算法，在提升準確率的同時，也確保模型的穩定與通用性。

NT$5,250

2021/03/09

深度學習人臉辨識實戰【Colab實作範例程式】

大家好， 為幫助學員使用google雲端環境直接進行實作演練。 尹老師提供本課程colab檔案，請自「檔案下載」取得連結並開啟。 <img alt="" height="477" width="468" src="https://cdn-static.tibame.com/notification/e89fe8d0-cf87-4e0d-8ffb-15e8cfb48b42_螢幕快照2021-03-09下午12.30.38.png"> 解說影片待老師安排更新後，將會再做通知，謝謝。 TibaMe 課程團隊

課程資訊

課程時長 11 小時 10 分

課程共 5 單元 33 小節

6 個可下載的學習資源

提供完訓證書

提供制定學習計畫建議學習 11 週 (每週 1 小時)

最新公告

2021/03/09

深度學習人臉辨識實戰【Colab實作範例程式】

適合對象

1.對人臉辨識有高度準確度需要的工程師
2.人臉辨識系統專案技術工程師
3. AIoT 人臉辨識應用軟體工程師
4. AI電腦視覺資深工程師
5.電腦視覺演算法開發 (智能影像分析)工程師

你可以學到

課程包括5大單元、10個實作、全長11小時的課程內容帶你系統化的了解人臉技術與落地所需要掌握的最新觀念。

1.傳統人臉特徵思路
2.人臉檢測
3.人臉關鍵點
4.人臉特徵與識別
5.惡意攻擊與防禦

透過學習10次人臉辨識實作，跟者尹老師一起手把手練習，你將可以自行開發出一套高準確度的人臉辨識系統

實作一:經典的人臉視覺特徵
實作二 :人臉檢測
實作三 :(上) MTCNN 人臉檢測 - 推論過程
實作三 :(下) MTCNN 人臉檢測 - 候選、精調、輸出
實作四 :超極速的SSD人臉檢測
實作五 :基於五官特徵點的顏值識別
實作六 :LFW 數據集的人臉校正
實作七 : arcFace 訓練
實作八 : 韓國小姐識別器
實作九 : 活體檢測
實作十 : 人臉打卡流程實作

最終實作結果展示 :

-活體檢測實作

實作部份示意圖 :

1.傳統人臉特徵思路(目標檢測的圖像特徵提取之一HOG特徵)

2.人臉檢測(使用最常通用的人臉檢測工具庫-Dlib)

-網路資源

3.MTCNN 人臉檢測
MTCNN模型是一種Multi-task的人臉檢測框架，這門課將會使用MTCNN來實作人臉檢測，它是使用3個CNN演算法結構，將人臉檢測和人臉特徵點檢測同時進行，實現人臉檢測

4.SSD人臉檢測
比MTCNN更先進，每秒可達近百禎的SSD人臉檢測算法

5.ArcFace的訓練
比基於孿生網路的facenet更強大，處理十億數量級人臉都沒問題的Arcface算法

6.韓國小姐識別器
韓國小姐長得太像了所以傳統的臉孔辨識很容易錯誤尹老師將告訴你如何利用ArcFace 把細小的差距給放大才有辦法辨識出來是否為不同人

課程介紹

1.針對人臉辨識在深度學習的處理
2.提高深度學習在人臉辨識的準確度
3.利用dlib(opencv)對人臉進行特徵提取
4.使用針對人臉辨識的CNN深度學習網路-MTCNN
5.如何利用人臉特徵點的特性，將不同角度的臉孔(側臉、仰頭、低頭等角度)的五官特徵補齊也可以利用這項特徵，遮蔽或復原人臉的五官特徵
6.人臉辨識的主要應用，數據資源、專屬的演算法、相關的類神經網路應用、以及如何提高臉孔辨識的準確度

1.對數據集的理解
2.掌握深度學習模型的通用性使用
3.熟悉人臉辨識步驟人臉檢測-人臉關鍵點識別-人臉特徵擷取-人臉特徵比對
4.從無到有實際完成一個高辨識度的人臉辨識系統

尹相志
●經歷:
現任：亞洲資採技術長/Deepbelief.ai人工智慧科學家
曾任：
華院數據(上海)首席數據科學家，數據決策(台灣)技術長
台灣微軟特約講師與2006~2017年最有價值專家(MVP)
微軟Tech ED 2002, 2004~2015講師
中國首屆人工智能大賽發起人與題目設計 (www.botchina.org)
和信電訊資深數據挖掘顧問世新大學、德明技術學院資管系講師
曾任中華民國數據挖掘協會副秘書長
曾任數博網研發總監
曾任大衍(特力集團子公司)關係營銷數據挖掘顧問

●專長:
自然語言理解、人工智能算法開發、數據挖掘、商業智慧、分析型CRM、風險管理、數據倉庫

●專案經歷:
自然語言處理
Isobar 輿情監控，學習情感標注、實體識別、話題識別
數雲電商評論非監督自動歸類
Acer宏碁競爭品牌電商評論分析

學習前基本能力

Python程式基礎能力、opencv影像處理、深度學習基礎

學習前準備

-電腦(不限廠牌、作業系統不限 )
-Google帳號(用於登入Google的Colab雲端程式開發平台)
-建議要有顯卡到1060以上
-CPU建議i5以上

課程資訊

課程時長 11 小時 10 分

課程共 5 單元 33 小節

6 個可下載的學習資源

提供完訓證書

提供制定學習計畫建議學習 11 週 (每週 1 小時)

關於講師

尹相志

●經歷:
現任：亞洲資採技術長/Deepbelief.ai人工智慧科學家
曾任：
華院數據(上海)首席數據科學家，數據決策(台灣)技術長
台灣微軟特約講師與2006~2017年最有價值專家(MVP)
微軟Tech ED 2002, 2004~2015講師
中國首屆人工智能大賽發起人與題目設計 (www.botchina.org)
和信電訊資深數據挖掘顧問世新大學、德明技術學院資管系講師
曾任中華民國數據挖掘協會副秘書長
曾任數博網研發總監
曾任大衍(特力集團子公司)關係營銷數據挖掘顧問

●專長:
自然語言理解、人工智能算法開發、數據挖掘、商業智慧、分析型CRM、風險管理、數據倉庫

●專案經歷:
自然語言處理
Isobar 輿情監控，學習情感標注、實體識別、話題識別
數雲電商評論非監督自動歸類
Acer宏碁競爭品牌電商評論分析

●模型設計
信用評等、保單、交叉銷售等金融、電信模型，包括元大、新光、亞太、中國信託等總計24種
數據挖掘模型，包括銀行、零售、倉儲、電信、航空等12種模型

●出版品
SQL Server相關系列著作11部
翻譯著作，J. A. Michael相關數據挖掘作品3部

學習附件