課程大綱： Python計算機圖像視覺處理培訓
OpenCV使用
1.安裝opencv
2.圖像處理基礎
3.圖像運算和轉換
4.圖像平滑處理
5.圖像梯度
6.圖像邊緣檢測
7.圖像金字塔
8.人臉檢測和識別
卷積神經網絡介紹
1.CNN架構
2.卷積計算
3.卷積的步長
4.池化
5.Padding
6.MNIST網絡結構介紹
Tensorflow使用
1.深度學習框架介紹
2.Tensorflow安裝
3.Tensorlfow基礎知識
4.Tensorflow線性回歸
5.Tensorflow非線性回歸
6.Mnist數據集合Softmax講解
7.使用BP神經網絡搭建手寫數字識別
8.交叉熵(cross-entropy)講解和使用
9.過擬合,正則化,Dropout
10.各種優化器Optimizer
11.改進手寫數字識別網絡
12.卷積神經網絡CNN的介紹
13.使用CNN解決手寫數字識別
keras使用
1.實現線性回歸
2.實現非線性回歸
3.MNIST數據集以及Softmax介紹
4.MNIST分類程序
5.交叉熵的應用
6.Dropout應用
7.正則化應用
8.優化器介紹及應用
9.CNN應用于手寫數字識別
10.cifar-10圖片分類
11.模型的保存和載入
12.繪制網絡結構
圖像識別項目
1.介紹Google圖像識別模型Inception-v3
2.使用Inception-v3做圖像識別
貓狗分類項目
1.圖像數據預處理
2.貓狗分類-簡單CNN
3.貓狗分類-VGG16-bottleneck
4.貓狗分類-VGG16-Finetune
驗證碼識別項目
1.多任務學習介紹
2.驗證碼識別項目
目標檢測項目
1.目標檢測任務介紹
2.RCNN/Fast-RCNN/Faster-RCNN算法介紹
3.YOLO算法介紹
4.SSD算法介紹
5.目標檢測項目實戰
目標分割項目
1.目標分割任務介紹
2.全卷積網絡
3.雙線性上采樣
4.特征金字塔
5.Mask RCNN算法介紹
6.目標分割項目實戰
圖像風格遷移項目
1.圖像風格遷移介紹
2.圖像風格遷移項目實戰
GAN項目
1.生成式對抗網絡GAN介紹
2.生成式對抗網絡GAN項目實戰
加入高級會員獲得助教答疑
