Acquérez des compétences pratiques en reconnaissance faciale grâce à Keras, aux réseaux neuronaux convolutifs (CNN), à MTCNN et à FaceNet. Conçu pour les apprenants souhaitant acquérir une expérience pratique en vision par ordinateur et en apprentissage profond, ce cours axé sur des projets vous guide dans la création d’un système complet de détection et de reconnaissance faciale.

Vous commencerez par découvrir les principes des CNN, le prétraitement des images, la gestion des modèles et la configuration d’un environnement d’apprentissage profond. Vous utiliserez ensuite MTCNN pour détecter et localiser des visages, visualiser des cadres de sélection et des points clés, puis analyser les résultats sur plusieurs images. Au fur et à mesure de votre progression, vous organiserez des ensembles de données d’images de visages, générerez des représentations numériques des visages avec FaceNet et construirez des classificateurs supervisés capables de distinguer les identités individuelles. Vous évaluerez également les performances de reconnaissance à l’aide de tests en conditions réelles et intégrerez FaceNet à Keras en vue du déploiement. Ce qui distingue ce cours, c’est son approche de bout en bout : plutôt que d’étudier la détection et la reconnaissance comme des concepts isolés, vous relierez le prétraitement, la détection des visages, la préparation des ensembles de données, la génération de représentations, la classification, l’évaluation et la mise en œuvre au sein d’un seul flux de travail pratique. Inscrivez-vous pour acquérir les compétences nécessaires à la création et à l’évaluation d’applications de reconnaissance faciale fonctionnelles et évolutives, adaptées à des scénarios concrets.