培訓(xùn)內(nèi)容：
第一講 計算機視覺基礎(chǔ)理論與工具介紹
1.******da, Jupyter notebook，openCV和Pytorch的安裝使用方法
2.計算機視覺基礎(chǔ)理論和歷史沿襲
3.圖像處理理論和實踐
4.實例：人臉識別，換臉
第二講 高層次特征表示
1.數(shù)據(jù)驅(qū)動模型介紹：K近鄰、線性分類器
2.神經(jīng)網(wǎng)絡(luò)模型介紹
3.卷積、池化、激活函數(shù)的作用與理解
4.論文研讀：
a)Gradient-Based Learning Applied to Document Recognition
5.實例：30分鐘PyTorch
6.實例：OCR-mnist數(shù)據(jù)集論文復(fù)現(xiàn)和應(yīng)用于驗證碼識別
第三講 現(xiàn)代計算機視覺
1.卷積神經(jīng)網(wǎng)絡(luò)的理解和應(yīng)用
2.主流卷積神經(jīng)網(wǎng)絡(luò)分析
3.現(xiàn)代計算機視覺的主流發(fā)展方向
4.論文研讀:
a)ImageNet Classification with Deep Convolutional Neural Networks
b)Going Deeper with Convolutions
c)Deep Residual Learning for Image Recognition
5.實例：論文復(fù)現(xiàn)：應(yīng)用于大規(guī)模圖像分類問題
第四講 目標檢測算法
1.滑動窗口算法
2.單階段目標檢測算法
3.雙階段目標檢測算法
4.論文研讀：
a)Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
b)You Only Look Once: Unified, Real-Time Object Detection
5.實例：論文復(fù)現(xiàn)：應(yīng)用于行人檢測和自動駕駛
魯公網(wǎng)安備37061302000010號
在線客服
預(yù)約試聽