随报随学 | 共14课 | ★★★ |
开课时间 | 课程周期 | 难易度 |
如何做好计算机视觉的研究工作,迎接更广阔的未来职业发展,能够上手应用,编写属于自己的神经网络和计算机视觉应用?本次课程将围绕着计算机视觉中最常见的RCNN图像识别算法进行极限剖析,从数学理论, 模型框架到实践实操,让你在短时间内从理论到实践,掌握深度学习的基本知识和学习方法。
· 目的:掌握神经网络的基本原理,知其然亦知其所以然(从数学实践到代码的熟练和精通);
· 手段:科学的方法。理论到实践的剖析;
· 成果:掌握计算机视觉的基本方法,从容地应对实践中面临的挑战。
阶段1 图像预处理
第一课:OpenCV 及图像处理基础
知识点:图像处理,灰度值提取,Histogram提取
第二课:OpenCV进阶:图像滤波,特征提取及匹配
知识点:Sift,视觉和图像变换, 边缘检测算法等
第三课:实践:利用KNN算法和OpenCV进行手写字符识别
阶段2: 创建自己的图像识别神经网络
第四课:深入理解神经网络的前向传递和反向传播及其物理意义
知识点:Loss function,交叉熵代价函数,梯度下降法求导
第五课:训练你自己的网络,重点为调参和工作中用到的一些技巧
知识点:Loss function,交叉熵代价函数,梯度下降法
第六课:卷积神经网络(RNN)在图像分类识别中的应用(附python编程和算法解析)
知识点:数据输入层,卷积计算层,激励层(Sigmoid,Tanh,ReLu,ELU),池化层,全联接层,Batch Normalization, 学习率
第七课:实践,不使用任何工具包,训练一个属于你自己的神经网络进行手写字符识别
系列3. 深度卷积神经网络进阶
第八课:不同的神经网络类别和应用
知识点:调参基本技巧,向量点积
第九课:深度卷积神经网络原理及实践
知识点,神经网络的迁移学习技巧
第十课:搭建图片搜索系统,深入理解Triplet Loss 及其训练技巧
第十一课:实践:使用Tensorflow/Keras搭建神经网络,进行图像分类
阶段4: 目标检测和LSTM标注法
第十二课: 目标检测算法
知识点:Fast RCNN , Faster RCNN, Yolo, SSD
第十三课:LSTM 标注学习
第十四课:实践:使用Tensorflow/Keras在数据集上进行目标检测
CV爱好者,大学生,技术从业人员,转型CV人员
1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。
2、 学习作业:每课均有布置课后作业,学员完成书面作业后则可进入下一课学习。
3、 老师辅导:通过论坛站内信及邮件等多种方式与老师进行一对一互动。
4、 完成课程:最后一课作业交纳后,老师完成作业批改,即可完成课程并取回相应剩余的逆向学费。
GMT+8, 2024-11-10 06:48 , Processed in 0.070490 second(s), 36 queries .