第1章 课程导学
1-1 课程导学 (17:47)
第2章 深度学习基础串讲（必备理论知识）
2-1 卷积神经网基本概念 (19:12)
2-2 前向运算 (12:03)
2-3 反向传播基本概念 (05:43)
2-4 反向传播迭代过程及参数优化概念 (09:23)
2-5 反向传播之导数、方向导数、偏导数、梯度的概念 (09:42)
2-6 反向传播之梯度下降算法 (10:37)
2-7 深度学习发展迅猛的原因 (02:39)
第3章 卷积神经网络基础串讲（必备理论知识与技巧）
3-1 卷积神经网内容概括 (02:49)
3-2 基本组成单元 (09:12)
3-3 卷积运算的定义 (15:43)
3-4 卷积的重要参数以及卷积核 (06:13)
3-5 权值共享与局部连接 (10:53)
3-6 卷积核与感受野 (17:24)
3-7 步长与Pad (12:45)
3-8 卷积的定义与使用介绍（Tensorflow与Caffe） (04:36)
3-9 池化层 (04:46)
3-10 激活层 (11:21)
3-11 BN (07:12)
3-12 全连接层 (08:51)
3-13 dropout (03:59)
3-14 损失层（1） (15:42)
3-15 损失层（2） (13:46)
3-16 卷积神经网发展历史 (01:59)
3-17 LeNet与AlexNet-卷积神经网如何减少参数量和计算量 (14:46)
3-18 ZFNet与VggNet-卷积神经网如何减少参数量和计算量 (14:41)
3-19 Inception系列-卷积神经网如何减少参数量和计算量 (11:47)
3-20 从卷积的角度思考，如何减小网络中的计算量？ (02:50)
3-21 resnet系列网络（1） (10:28)
3-22 resnet系列网络（2） (21:36)
3-23 网络性能计算量对比 (09:31)
3-24 轻量型卷积神经网-SqueezeNet (09:37)
3-25 轻量型卷积神经网-MobileNet (20:14)
3-26 轻量型卷积神经网-ShuffleNet V1 (07:12)
3-27 轻量型卷积神经网-ShuffleNet V2 (12:30)
3-28 多分支的卷积神经网 (19:05)
3-29 卷积神经网中的Attention (09:18)
3-30 卷积神经网的压缩方法 (12:01)
第4章 Tensorflow基础串讲（必备TF框架知识与实操）
4-1 TensorFlow概念介绍-Graph (17:45)
4-2 Session-Tensor-Operation-Feed-Fetch介绍 (21:38)
4-3 TensorFlow中核心API接口 (05:44)
4-4 TensorFlow数据读取机制与API方法 (07:13)
4-5 Cifar10数据解析编程案例 (17:30)
4-6 Tensorflow中TFRecord数据打包编程案例 (20:51)
4-7 如何使用tf.train.slice_input_producer读取文件列表中的样本 (09:19)
4-8 如何使用tf.train.string_input_producer读取文件列表中的样本 (08:36)
4-9 如何通过TF对已经打包过的数据进行解析 (11:34)
4-10 TF中的高级API接口 (21:08)
4-11 TF中的数据增强 (04:14)
4-12 Tensorboard 调试技巧 (04:33)
第5章 Tensorflow挑战Cifar-10图像分类任务
5-1 TF挑战cifar10 (08:26)
5-2 Cifar10数据读取与数据增强 (04:00)
5-3 TensorFlow+Slim网络结构搭建 (12:05)
5-4 Loss、Optimal、Learning Rate、BN等定义 (07:58)
5-5 Train部分代码编写 (19:15)
5-6 Test部分代码编写 (04:15)
5-7 Tensorboard+tf.summary (13:47)
5-8 模型恢复和模型存储 (05:55)
5-9 网络结构优化—resnet模型 (05:49)
5-10 TF官方版本训练Cifar10分类任务 (21:44)
第6章 人脸检测业务实战
6-1 人脸业务场景实战 (22:00)
6-2 人脸检测业务描述以及人脸标注方法 (14:03)
6-3 人脸检测性能评价指标 (23:22)
6-4 基于传统的人脸检测方法 (15:23)
6-5 人脸检测方法 (11:16)
6-6 【讨论题】人脸检测与通用物体检测和文本检测的区别？
6-7 人脸检测面临的问题与小人脸问题 (16:36)
6-8 【讨论题】小目标检测问题的挑战与优化？
6-9 SSD模型介绍 主干网络与多尺度Feature map (14:52)
6-10 SSD模型原理介绍（Anchor与Default box） (12:25)
6-11 SSD模型原理介绍（Prior box、损失函数、样本构造、数据增强） (09:56)
6-12 TensorFlow-ssd环境搭建（1） (07:20)
6-13 TensorFlow-ssd环境搭建（2） (07:03)
6-14 数据清洗与数据打包-理论讲解（1） (08:16)
6-15 数据清洗与数据打包-理论讲解（2） (09:45)
6-16 数据清洗与数据打包-实操（1） (09:59)
6-17 数据清洗与数据打包-实操（2） (10:02)
6-18 数据清洗与数据打包-实操（3） (15:17)
6-19 TensorFlow-ssd模型训练之框架解读（1） (15:01)
6-20 TensorFlow-ssd模型训练之框架解读（2） (12:20)
6-21 TensorFlow-ssd 模型训练-实操（1） (09:03)
6-22 TensorFlow-ssd 模型训练-实操（2） (11:59)
6-23 TensorFlow-ssd 模型训练-实操（3） (12:04)
6-24 如何将训练好的模型转化成pb文件 (10:30)
6-25 TensorFlow-ssd 模型测试 (13:45)
第7章 Flask封装人脸检测模型web服务
7-1 Flask介绍 (04:13)
7-2 开始一个Flask案例 (07:04)
7-3 结合Flask定义人脸检测web接口 (13:09)
第8章 Web服务接口调用与人脸检测模块开发
8-1 微信小程序介绍 (05:25)
8-2 创建小程序项目 (06:57)
8-3 人脸检测小程序项目目录讲解 (08:37)
8-4 采集人脸图像 (08:43)
8-5 上传人脸图像 (09:32)
8-6 接口调用与结果绘制 (09:03)
8-7 人脸检测小程序演示 (01:26)
第9章 人脸匹配业务实战
9-1 人脸匹配业务介绍 (14:35)
9-2 人脸特征表示问题（1） (14:55)
9-3 人脸特征表示问题（2） (14:56)
9-4 度量学习 (15:19)
9-5 【讨论题】比较分类与度量两种任务的LOSS的区别
9-6 facenet原理简介 (15:45)
9-7 facenet环境搭建 (06:21)
9-8 facenet数据准备-数据集介绍与说明 (12:27)
9-9 facenet数据准备-LFW-MTCNN (15:24)
9-10 facenet数据准备-Dlib处理CASIA-Face以及CELEBA介绍 (19:35)
9-11 facenet模型训练 (08:14)
9-12 facenet源码解读与源码优化（1） (15:13)
9-13 facenet源码解读与源码优化（2） (14:42)
9-14 facenet模型测试 (17:33)
9-15 训练模型转pb文件，模型固化 (05:14)
9-16 web接口封装之人脸匹配业务流程说明 (09:36)
9-17 facenet web接口封装（1） (08:33)
9-18 facenet web接口封装（2） (17:19)
9-19 人脸注册小程序端编程实现 (16:06)
9-20 人脸注册flask服务端编程实现 (12:01)
9-21 人脸登录小程序端编程实现 (07:58)
9-22 人脸登录flask服务端编程实现 (15:11)
9-23 人脸登录流程回顾与阈值判定 (06:55)
第10章 68点人脸关键点定位业务实战
10-1 人脸对齐基本概念介绍 (08:23)
10-2 人脸对齐算法评价指标 (04:44)
10-3 人脸对齐-传统方法(1) (08:09)
10-4 人脸对齐-传统方法(2) (08:29)
10-5 人脸对齐算法深度学习算法及3D人脸问题(1) (10:02)
10-6 人脸对齐算法深度学习算法及3D人脸问题(2) (07:17)
10-7 人脸对齐算法常用数据集 (03:57)
10-8 人脸对齐算法常见问题及解决思路 (08:09)
10-9 【讨论题】点定位问题有哪些可行方案？
10-10 Tensorflow-SENet模型详细介绍 (12:04)
10-11 数据准备和环境参数 (07:36)
10-12 人脸关键点数据打包(1) (13:15)
10-13 人脸关键点数据打包(2) (10:26)
10-14 人脸关键点模型训练编程实例（1） (17:47)
10-15 人脸关键点模型训练编程实例（2） (16:44)
10-16 人脸关键点模型训练编程实例（3） (19:19)
10-17 人脸关键点模型导出Pb文件(模型固化) (07:25)
10-18 人脸关键点模型测试 (08:58)
10-19 人脸关键点模型Flaskweb接口封装（1） (08:46)
10-20 人脸关键点模型Flaskweb接口封装（2） (08:33)
10-21 人脸关键点模型小程序端编程实战 (10:45)
第11章 活体检测业务实战
11-1 活体检测业务介绍 (05:38)
11-2 活体检测方法 (16:51)
11-3 活体检测方法面临挑战和解决思路 (08:00)
11-4 活体检测编程准备 (03:17)
11-5 活体检测微信web端开发（1） (14:21)
11-6 活体检测微信web端开发（2） (15:15)
11-7 活体检测编程实战微信端开发 (20:37)
第12章 人脸属性业务实战
12-1 人脸属性业务介绍 (15:45)
12-2 【讨论题】对比分类与回归两种问题
12-3 基于多任务网络的人脸属性编程实战 (10:18)
12-4 数据准备 (21:28)
12-5 模型搭建和模型训练（1） (13:12)
12-6 模型搭建和模型训练（2） (18:50)
12-7 模型搭建和模型训练（3） (19:33)
12-8 模型固化转PB (06:30)
12-9 模型测试 (11:10)
12-10 flask端 web接口封装 (08:59)
12-11 人脸属性小程序功能实现 (09:52)
第13章 课程总结
13-1 课程总结 (23:36)
