【Udemy中英字幕】Face Mask Recognition: Deep Learning based Desktop App

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

双语IT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

1. 使用 OpenCV 进行图像处理

第-0节：设置项目

1. 安装Python
2. 安装依赖项

第-1节：数据预处理

1. 收集图像
2. 仅从图像中提取人脸
3. 标记（目标输出）图像
4. 数据预处理
   1. RGB均值减法图像

第 2 节：开发深度学习模型

1. 使用自己的深度学习模型训练人脸识别。
   1. 卷积神经网络
2. 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