视频教程-基于深度学习的计算机视觉:原理与实践(上部)-计算机视觉
扫码下载「CSDN程序员学院APP」,1000+技术好课免费看
APP订阅课程,领取优惠,最少立减5元 ↓↓↓
订阅后:请点击此处观看视频课程
视频教程-基于深度学习的计算机视觉:原理与实践(上部)-计算机视觉
学习有效期:永久观看
学习时长:1371分钟
学习计划:23天
难度:中
「口碑讲师带队学习,让你的问题不过夜」
讲师姓名:白勇
研究员/教授
讲师介绍:大学教授,美国归国博士、博士生导师;人工智能公司专家顾问;长期从事人工智能、物联网、大数据研究;已发表学术论文100多篇,授权发明专利10多项
☛点击立即跟老师学习☚
「你将学到什么?」
本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。
基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。
本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。
通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。
本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。
本课程分为上下两部分,其中上部包含课程的前五章(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四章(人脸识别、图像描述、图像检索、图像生成)。
「课程学习目录」
第1章:课程介绍 |
1.课程内容及特色 |
第2章:深度学习基础 |
1.深度学习发展简史 |
2.神经网络基本知识 |
3.神经网络训练:训练流程、损失函数、优化目标 |
4.神经网络训练:梯度下降 |
5.神经网络训练:反向传播算法 |
6.神经网络训练:基于计算图理解反向传播算法 |
7.神经网络训练:梯度下降训练策略 |
8.梯度下降各种优化算法 |
9.卷积神经网络:网络架构 |
10.卷积神经网络:卷积层 |
11.卷积神经网络:激活函数层 |
12.卷积神经网络:池化层 |
13.卷积神经网络:运算动图演示 |
14.卷积神经网络:批归一化层 |
15.卷积神经网络:全连接层 |
16.LeNet-5 |
17.卷积神经网络实践技巧:数据增强、数据预处理、批归一化 |
18.卷积神经网络实践技巧:参数初始化、超参数设定、过拟合 |
19.卷积神经网络实践技巧:网络正则化方法 |
20.实践篇:开发环境搭建 |
21.实践篇:Keras与Tensorflow框架介绍 |
22.实践篇:项目案例-MNIST手写数字识别 |
第3章:图像分类 |
1.任务、数据集、网络模型演进 |
2.AlexNet |
3.VGGNet |
4.NiN |
5.GoogLeNet |
6.BN_Inception |
7.InceptionV2_V3 |
8.Inception v4, Inception-ResNet |
9.ResNet |
10.ResNeXt |
11.DenseNet |
12.SqueezeNet |
13.Xception |
14.MobileNet |
15.MobileNetV2 |
16.ShuffleNet |
17.ShuffleNetV2 |
18.实践篇:项目案例-基于VGGNet的迁移学习实现餐具数据集上的图像分类 |
第4章:目标检测 |
1.任务、数据集 |
2.性能指标 |
3.网络模型演进 |
4.R-CNN |
5.SPP-net |
6.Fast R-CNN |
7.Faster R-CNN |
8.R-FCN |
9.YOLOv1 |
10.YOLOv2 |
11.YOLOv3 |
12.YOLOv4 |
13.SSD |
14.DSSD |
15.RetinaNet |
16.实践篇:项目案例-使用RetinaNet进行目标检测 |
17.实践篇:项目案例-使用YOLOv3进行目标检测 |
第5章:图像分割 |
1.语义分割-任务、数据集、网络模型演进 |
2.语义分割-上采样方法:去池化、反卷积 |
3.语义分割-上采样方法:膨胀卷积 |
4.语义分割-FCN |
5.语义分割-DeconvNet |
6.语义分割-SegNet |
7.语义分割-U-Net |
8.语义分割-DeepLabV1 |
9.语义分割-DeepLabV2 |
10.语义分割-DeepLabV3_V3+ |
11.语义分割 - RefineNet |
12.语义分割 - PSPNet |
13.语义分割 - GCN |
14.实例分割-Mask R-CNN |
15.全景分割-任务、数据集、评价指标 |
16.全景分割-Panoptic FPN |
17.实践篇:项目案例-使用Mask R-CNN进行实例分割 |
「7项超值权益,保障学习质量」
- 大咖讲解
技术专家系统讲解传授编程思路与实战。
- 答疑服务
专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。
- 课程资料+课件
超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)
- 常用开发实战
企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。
- 大牛技术大会视频
2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。
- APP+PC随时随地学习
满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。
「什么样的技术人适合学习?」
- 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
- 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
- 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。
「悉心打造精品好课,23天学到大牛3年项目经验」
【完善的技术体系】
技术成长循序渐进,帮助用户轻松掌握
掌握计算机视觉知识,扎实编码能力
【清晰的课程脉络】
浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。
【仿佛在大厂实习般的课程设计】
课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。
「你可以收获什么?」
学习基于深度学习的计算机视觉的原理与算法
学习基于深度学习的计算机视觉技术的项目实践
提高深度学习计算机视觉方向的文献阅读能力