导图社区 基于Python深度学习人脸识别
这是一篇关于基于Python深度学习人脸识别的思维导图。
社区模板帮助中心，点此进入>>
互联网9大思维
安全教育的重要性
组织架构-单商户商城webAPP 思维导图。
个人日常活动安排思维导图
域控上线
西游记主要人物性格分析
17种头脑风暴法
python思维导图
css
CSS
人脸识别
基础知识
深度学习与卷积神经网
卷积神经网
概念
以卷积结构为主的深度网络
卷积层是主干层
发展历程
适用领域
图像识别；输入是图片
重要的概念
卷积核
先乘后加
构成的基本单元
卷积
卷积中的重要参数
权值共享与局部连接
感受野
步长
pad
池化层
目的
下采样，提取主要的特征
方法
最大池化
随机池化
平均池化
激活函数
增加模型的非线性
batchnorm（BN）
将输入层的数据进行利用一定的规则转变成0-1的标准正态分布
全连接层（FC）
Dropout层
loss层
主流网络结构
总体：由简到繁再到简
深度学习
含多隐藏层的多层感知器；也就是具有多个隐藏层的人工神经网络
深度学习的历史
三起两落
1943年人工神经网络
也称神经元模型，由心理学家与数学家提出来，没有重视
1957年感知器模型
可以进行一些简单的线性回归与线性分类，引发了一次热潮；不能解决异或问题
异或问题
不能用线性进行线性分类，能用曲线，一个圈进行分类
1980年多层感知器
如何解决网络计算问题中的参数问题
1986年反向传播算法
少数层的计算问题；但是简单低效；梯度爆炸
1998年卷积神经网
这个时候比较火的是SVM,随机森林等；但是它针对小样本；大数据不适用
2006年深度学习
逐层预训练；采用多层神经网络；取名深度学习；背景：大数据与计算能力的提升
2012年ALEXnet
在图像识别中取得第一名，从此开始了深度学习了元年
核心内容
神经元
它就是网络节点；就是那个圆圈
感知器
单层感知器
可以用来解决回归与分类任务
多层感知器
它就是多层感知器
就是神经网络的一部分
人工神经网
它是机器学习的一种方法，机器学习是人工智能的重要技术
内容
输入层、输出层、隐藏层
核心知识
每一个层的构造是什么？卷积/池化、全连接；通过反向传播获得参数
反向传播
导数
学习率（步长）
前向运算
梯度下降法
深度网络的类型（结构）
图像
循环神经网
文本与音频；要考虑时序性；前一项决策影响后一项决策
自动编码机
受限玻尔兹曼机
深度信念网络
深度学习流行的原因
数据/算法/算力;算力：GPU与深度学习芯片
Python与tensorflow
人脸智能领域
人脸检测
人脸比对
人脸关键点定位
活体检测
人脸属性
浮动主题
