دوره آموزشی تخصصی بازشناسی چهره عمیق با Tensorflow/Keras

مجموعه‌ی دانش‌بنیان شناسا، فعال در حوزه ی هوش مصنوعی، بینایی ماشین و یادگیری عمیق به عنوان حامی چالش فیس‌کاپ دوره ی تخصصی بازشناسی چهره عمیق را برگزار کرده و حالا فیلم های ضبط شده و تدوین شده ی آن در اختیار عموم قرار گرفته است.

سرفصل های دوره

1. معرفی دوره

   Introduction to the course

2. کاربردها و نمونه‌های بازشناسی چهره

   Applications and examples of face recognition

3. مراحل در روند تشخیص چهره

   Steps in the facial recognition process

4. بازشناسی چهره و پروتکل‌های ارزیابی

   Face recognition and evaluation protocols

5. مجموعه داده های محدود شده و بدون محدودیت

   Constrained and unconstrained datasets

6. دیتاست‌های ارزیابی بازشناسی چهره

   Evaluation datasets

7. دیتاست‌های آموزش بازشناسی چهره

   Train datasets

8. یادگیری یک مرحله‌ای (one-shot) و چند مرحله‌ای (few-shot)

   One-Shot Learning and few-shot learning

9. شبکه‌های عصبی سایامیس

   Siamese neural networks

10. پیاده سازی شبکه‌های سایامیس (قسمت ۱)

    Implementation of Siamese networks

11. پیاده سازی شبکه‌های سایامیس (قسمت ۲)

    Implementation of Siamese networks

12. پیاده سازی شبکه‌های سایامیس (قسمت ۳)

    Implementation of Siamese networks

13. سایر کاربردهای شبکه های سایامیس

    Other uses of Siamese networks

14. تابع زیان تریپلت

    Triplet loss

15. پیاده سازی تابع زیان تریپلت در تنسرفلو/کراس

    Implementation of Triplet Loss in Tensorflow / Keras

16. بصری سازی لایه‌ی بازنمایی

    Visualization of representation layer

17. خلاصه تابع زیان تریپلت

    Summary of Triplet loss

18. ویژگی های افتراقی و ویژگی های قابل تفکیک جداپذیر

    Discriminative features and separable features

19. تابع Center Loss

    Center loss function

20. پیاده سازی Center Loss در تنسرفلو/کراس

    Implementation of Center loss in Tensorflow / Keras

21. خلاصه Center Loss

    Summary of Center Loss

22. تابع زیان SphereFace

    SphereFace loss function

23. تابع زیان AMSoftMax

    AMSoftMax loss function

24. تابع زیان ArcFace

    ArcFace loss function

25. مقاله‌ی AdaptiveFace

    AdaptiveFace paper

26. توسعه بازشناسی چهره

    Development of face recognition

27. برخی از پیاده سازی های رایج

    Some common implementations

28. پیاده سازی Face Recognation در کراس

    Implement of Face Recognition in Keras

29. شناسایی چهره

    Face Detection

30. متریک‌های شناسایی چهره

    Face detection metrics

31. چالش‌های شناسایی چهره

    Face detection challanges

32. الگوریتم ویولا-جونز

    Viola–Jones algorithm

33. الگوریتم شناسایی چهره‌ی MTCNN

    MTCNN face detection algorithm

34. پیاده سازی MTCNN

    Implement of MTCNN

35. پیاده سازی بازشناسی چهره

    Implement of face recognition

36. تراز چهره با دو چشم

    Face Alignment with two eyes

37. تراز چهره با پنج نقطه نشانه‌های چهره

    Face Alignment with 5 face landmarks

38. ترفندهای افزایش دقت در زمان تست

    Tricks to increase accuracy during testing

39. روش‌های افزایش دقت در زمان آموزش

    Tricks to increase accuracy during training

40. جمع‌بندی دوره

    Course Wrap-Up

پیش‌نیاز های دوره:

• آشنایی با مفاهیم های پایه شبکه عصبی

• آشنایی با شبکه های کانولوشنالی

• توانایی پیاده سازی شبکه های عصبی عمیق در فریم‌ورک keras/Tensorflow

می‌توانید برای تسلط به مفاهیم پایه و پیش نیاز های این دوره از دوره مقدماتی سایت استفاده کنید.

جهت آشنایی بیشتر با این دوره آموزشی و همچنین مشاهده نحوه تدریس و ارائه مطالب، می‌توانید ۱۲ قسمت ابتدایی دوره را به صورت رایگان مشاهده فرمایید و با نظرات سازنده خود ما را در برگزاری و تولید دوره‌های تخصصی یادگیری عمیق، یاری بفرمایید.

کدها های دوره در صفحه ی گیت‌هاب

اسلایدهای دوره