欢迎大家来到我们的项目实战课，本期内容是《基于SimpleNet的人脸表情识别实战》，本次内容面向任意AI基础的读者，人人皆可免费学习。
所谓项目实战课，就是以简单的原理回顾+详细的项目实战的模式，针对具体的某一个主题，进行代码级的实战讲解，可以采用直播或者录制视频的形式。与我们其他的系统性理论+实战的视频课专栏相比，每一次项目实战都由独立的老师完成，课程更加专注、时长更短、更轻量级，适合快速锻炼项目能力。
本次课程内容
计算机视觉发展至今，许多技术已经非常成熟了，在各行各业落地业务非常多，因此不断的有新同学入行。对于很多初入深度学习计算机视觉领域的朋友来说，当前开源资料非常多，但有时候难以适从，其中很多资料都没有包含完整的项目流程，而只是对某个流程的部分截取，对能力的锻炼不够。
图像分类是整个计算机视觉领域中最基础的任务，也是最重要的任务之一，最适合拿来进行学习实践。为了让新手们能够一次性体验一个工业级别的图像分类任务的完整流程，本次我们选择带领大家完成一个对视频中人脸进行表情识别的任务。
本次选择的项目的特点是：
(1) 任务常见且比较基础。本次选择的是一个基于嘴唇来识别4种常见表情的任务，之所以选择嘴唇而不是整个人脸，一方面是因为嘴唇部分效果比较稳定显著，另外一方面是可以让大家使用OpenCV对人脸进行和关键点进行检测，加深数据预处理的理解。
(2) 流程非常完善。包括从数据的获取，数据的预处理，到模型的定义，模型训练，模型测试，麻雀虽小五脏俱全，对于初学者理解CV任务是非常合适的，这也算是我们平台的金标准任务了，在各个地方都介绍过。
下面就是项目的视频效果展示，可以识别4种表情，包括无表情（neural），嘟嘴（pouting），微笑（smile），张嘴（open）。
课程经过剪辑后的总时长为62分钟，约1个小时，本课程视频+代码完全免费供大家学习，各部分课程内容与时长如下：
部分 | 内容 | 时长(分钟) |
第1节 | 项目背景介绍 | 5 |
第2节 | 数据处理与读取 | 32 |
第3节 | 模型训练 | 18 |
第4节 | 模型测试 | 7 |
下面我们来简单看一下各部分的内容：
第1部分：项目背景介绍，介绍本项目要研究的问题以及代码地址。
第2部分：数据处理与读理，包括数据的获取，数据的预处理与读取代码。
第3部分：详细讲解模型的搭建与训练。
第4部分：讲解模型的可视化与测试。
图片结果案例展示如下：
本次课程为录播课程，讲师为言有三，技术社区《有三AI》创始人。
先后就读于华中科技大学(2008-2012)，中国科学院半导体研究所神经网络实验室(2012-2015)，先后就职于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度学习实验室(2017.5-2019.3)，深度学习算法专家，阿里云MVP，华为云MVP。
拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。
如何订阅
我们的视频课全部在小鹅通平台，可以使用手机APP鹅学习或者直接在网页进行登录，内容试听以及订阅请直接扫如下二维码：
课程详情如下：
更多人脸检测与识别相关的内容，请点击关注我们的人脸检测与识别专栏。
实战课讲师招募
为了进一步丰富有三AI生态的实战内容，欢迎有经验，有能力的讲师报名成为平台讲师：
讲师要求如下：
(1) 有多次人工智能领域教学经验，擅长演讲与教学。
(2) 有3年以上人工智能领域项目实战经验。
(3) 有三AI已有生态成员优先。
实战课的收入与平台采取固定分成的方式，具体细节可在内容组了解详情，报名请联系微信Alice-girll提交简历，或直接联系有三本人。
往期相关
4105
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
