此部分為隱藏內(nèi)容，請(qǐng)輸入驗(yàn)證碼后查看
掃描右側(cè)圖片或微信搜索 “ Java技術(shù)分享屋 ” ，回復(fù) “ 驗(yàn)證碼 ” ，獲取驗(yàn)證密碼。
本資料僅供讀者預(yù)覽及學(xué)習(xí)交流使用，不能用于商業(yè)用途，請(qǐng)?jiān)谙螺d后24小時(shí)內(nèi)刪除。如果喜歡，請(qǐng)購(gòu)買(mǎi)正版！
一.資料圖片
二.資料簡(jiǎn)介
3年python 開(kāi)發(fā)經(jīng)驗(yàn)，精通Python 后臺(tái)開(kāi)發(fā)，熟悉機(jī)器學(xué)習(xí)常用算法和深度學(xué)習(xí)框架Tensorflow、Pytorch，熟悉Numpy 與Pandas，熟悉熟悉HTTP 協(xié)議、socket 以及UWSGI 協(xié)議，熟悉常用Linux 命令，熟練使用git 常用操作。對(duì)待工作認(rèn)真負(fù)責(zé)、責(zé)任心強(qiáng)，與同事相處融洽，具有良好的團(tuán)隊(duì)協(xié)作意識(shí)。
● 人臉檢測(cè)于提取------>>組建輸入數(shù)據(jù)格式------>>模型的訓(xùn)練與測(cè)試 >>準(zhǔn)確率展示以及超參數(shù)選擇
1. 使用multiprocessing 多進(jìn)程、opencv、dlib 來(lái)進(jìn)行人臉對(duì)齊與裁剪：
首先使用opencv 讀取不同人的圖片數(shù)據(jù)，并將bgr 格式轉(zhuǎn)換為rgb 格式的數(shù)據(jù)然后使用dlib 庫(kù)對(duì)rgb 數(shù)據(jù)進(jìn)行檢測(cè)，與圖片的裁剪
最后按讀取順序，使用opencv 將rgb 數(shù)據(jù)轉(zhuǎn)化為bgr 格式，并且保存成帶有序列的圖片文件
2. 構(gòu)建輸入數(shù)據(jù)的方式：從上邊輸出的數(shù)據(jù)集隨機(jī)選取一個(gè)樣本anchor，然后再隨機(jī)選取一個(gè)與
anchor 同類的樣本postive，在選擇一個(gè)與anchor 不同類的樣本，記為negative,構(gòu)建一個(gè)三元組
（anchor，positive、negative）
3. 以VGG-16網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)，搭建一個(gè)共享參數(shù)的13層卷積核為3，步長(zhǎng)為1的卷積層和3個(gè)全連接層， 最后輸出128維度的照片數(shù)據(jù)。
損失函數(shù)：讓同類型照片的之間距離差最小，不同類之間距離差最大，然后損失函數(shù)就是將上邊直 接距離相減再加一個(gè)閥值
4. 模型訓(xùn)練與測(cè)試：按批次50張數(shù)據(jù)輸入，訓(xùn)練模型，準(zhǔn)確率展示出來(lái)
5. 確認(rèn)最優(yōu)超參數(shù)：閥值與學(xué)習(xí)率