# Playground **Repository Path**: yinguobing/playground ## Basic Information - **Project Name**: Playground - **Description**: 深度学习新手小广场（机器视觉主题 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: https://yinguobing.com/playground/ - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2022-05-02 - **Last Updated**: 2024-01-26 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Playground 深度学习新手小广场（机器视觉主题） ![playground](https://repository-images.githubusercontent.com/337013988/5bf06800-7854-11eb-835a-f9d935a8e5ea) ![TensorFlow](https://img.shields.io/badge/Python-v3-brightgreen) ![TensorFlow](https://img.shields.io/badge/TensorFlow-v2-brightgreen) ![Friendly](https://img.shields.io/badge/beginner-friendly-orange) ## 这个代码仓库有何用 如同学习其它任何新技能一样，掌握深度学习并无捷径可循。布满墨迹的A4纸张，屏幕上不断生长的代码，冒着呼呼热气的GPU，都是你成长道路上所付出努力的证明。 深度学习很复杂，涉及到的知识点范围跨度大，分布零散。从最基础的卷积算法到TensorFlow高阶API封装，每个知识点都仿佛一朵绽放的重瓣菊花，既可以向下深挖知识原理，又可以发散到不同的维度开启组合优化。新手入门，仿佛闯入布满镜子的迷宫，一眼望去到处是看不到尽头的知识，只知终点一定隐藏在迷宫深处。 但是，没有捷径并不意味着只能两眼一闭摸黑乱撞。走过迷宫的先驱者们或多或少都会留下探索的痕迹。跟随他们的脚印，踏实地走好每一步，是新手高效学习之光。 ## 基础知识 什么是分辨率？什么是色彩？如何数字化一张图像？如果你对这些概念的含义还拿不准的话，请先观看计算机视觉入门视频。兵马未动，粮草先行。 人眼的分辨率有多高：https://yinguobing.com/resolution-of-human-eye/ 什么是视网膜屏幕：https://yinguobing.com/what-is-retina-display/ 什么是色彩：https://yinguobing.com/what-is-color/ 什么是HDR：https://yinguobing.com/what-is-hdr/ 如何数字化一张图像：https://yinguobing.com/digital-image/ 人脸检测算法：https://yinguobing.com/viola-jones/ 深度学习十大应用（2019）：https://yinguobing.com/dl-applications/ 深度神经网络：https://yinguobing.com/deep-neural-network/ 卷积神经网络：`敬请期待` ## 精选项目 跟随精选实战项目一步一步入门TensorFlow。 ### 我的第一个神经网络 MNIST是一个由人类手写数字图像构成的数据集。它的作者为Yann LeCun、Corinna Cortes与Christopher J.C. Burges。该数据集曾被用作分类算法的开发与评估。给定任一张图像，给出该图像对应的数字。深度学习的入门教程普遍以该任务为实例。它足够简单——包含10个类别的图像分类问题；同时又足够复杂——人类手写的数字可以非常潦草、难以辨认。 ![MNIST](MNIST_From_Zero_To_Hero/docs/digits.png) 这篇教程同样以MNIST为实验内容载体。不过与其它教程不同的地方在于，你将真正意义上从零开始，一步一步实现一个功能完备的深度学习项目。 互动视频：https://www.bilibili.com/video/BV17f4y167vJ/ 项目地址：https://github.com/yinguobing/Playground/tree/main/MNIST_From_Zero_To_Hero ### 卷积神经网络 从超过20万张图像样本中学习人脸特征点的分布规律。克服姿态、光照、遮挡等不利因素。构建经典神经网络架构。最终实现头部姿态的视频实时检测。 视频地址：`敬请期待` 项目地址：https://github.com/yinguobing/cnn-facial-landmark ### 卷积神经网络（进阶） 构建更加先进、复杂的神经网络架构。借用数据增强强化模型。掌握模型优化手段：剪枝与量化。 进阶视频地址：`敬请期待` 进阶项目地址：https://github.com/yinguobing/facial-landmark-detection-hrnet ### 物体检测（专题） 向经典的物体检测方案学习，掌握关键核心概念，理解深度卷积神经网络在检测方案中扮演的角色。 视频地址：`敬请期待` 项目地址：https://github.com/yinguobing/linglong ### 人脸识别（专题） 解开人脸识别原理的神秘面纱，了解技术链条中不同阶段的实现背景，获取98%+准确率的自有人脸识别模型。 视频地址：`敬请期待` 项目地址：https://github.com/yinguobing/arcface ## 迷你项目 探索众多迷你项目，点亮技能点，为今后的实战项目做好准备。 ### 模型拼接 掌握不同的模型构建方式，在项目中灵活应用。 文章地址：`敬请期待` 视频地址：`敬请期待` 项目地址：`敬请期待` ### 从OpenImages数据集中提取人脸图像 项目遇到数据短缺问题，如何从现有的公开数据集中获取资源。 视频地址：`敬请期待` 项目地址：https://github.com/yinguobing/open_images ### 读写自定义TFRecord文件 高效存储读取训练用文件，掌握Git `submodule` 的使用方法。 文章地址：`敬请期待` 视频地址：`敬请期待` 项目地址：`敬请期待` ### 随机化大型数据集 使用大型数据集训练模型面临一个不可忽略的问题：如何有效地随机化数据。 文章地址：https://yinguobing.com/shuffle-the-tensorflow-dataset-throughly/ 视频地址：https://www.bilibili.com/video/BV1wV411i7qy/ 项目地址：https://github.com/yinguobing/arcface/blob/main/utils/shard_n_shuffle.py ### 使用Checkpoint保存训练进度 灵活使用Checkpoint，保存训练进度与自定义对象。 文章地址：https://yinguobing.com/how-to-checkpoint-tensorflow-dataset/ 视频：https://www.bilibili.com/video/BV1yf4y167gr/ 项目地址：`敬请期待` ### 在训练过程中保存模型预测的图像 如何在训练进行中直观地检查模型表现。 文章地址：https://yinguobing.com/log-images-in-tensorboard/ 视频地址：`敬请期待` 项目地址：`敬请期待` ### 模型剪枝（参数分布稀疏化） 如何大幅度减小模型体积，却只牺牲少量性能？ 文章地址：https://yinguobing.com/tensorflow-model-pruning/ 视频地址：`敬请期待` 项目地址：`敬请期待` ### 模型量化（参数范围离散化） 将你的模型移植到特殊的硬件设备中运行。 文章地址：https://yinguobing.com/tensorflow-model-quanzitation/ 视频地址：`敬请期待` 项目地址：`敬请期待` ### 为Apple设备转换模型 为你的同事准备好一款让他们放心的模型。 文章地址：`敬请期待` 视频地址：`敬请期待` 项目地址：`敬请期待` ## 作者 [尹国冰](https://yinguobing.com) ![wechat](docs/wechat.png) ## License ![GitHub](https://img.shields.io/github/license/yinguobing/Playground) ## 致谢 感谢TensorFlow的文档作者提供了详实的示例代码。感谢在Unsplash与Mixkit上提供免版权费用的图片与视频素材的原创作者们。