课程介绍
本次培训从实战的角度对计算机视觉技术进行了全面的剖析,并结合实际案例分析和探讨计算╲机视觉技术的应用场景,给计算机视觉技术相关从业人员以指导︻和启迪。
培训对象
需要了解文本分析NLP技术的相关人员
课程收益
掌握OpenCV的使用;
理解卷』积神经网络;
掌握Tensorflow的使用;
掌握keras的使用;
通过各个应用场景→的实际经典项目案例,深入解读计算机视觉技术的应用。
知识概要
OpenCV使用、卷积神经网络介↘绍、Tensorflow使用、keras使用、验证码识别项目、目标检▲测项目、目标分割项目、图像『风格迁移项目、GAN项目。
课程大纲
OpenCV使用
1.安装opencv
2.图像处理基㊣ 础
3.图像运算和转换
4.图像平★滑处理
5.图像梯度
6.图像边△缘检测
7.图像金字塔
8.人脸〓检测和识别
卷积神经网络介绍
1.感受野,权值共享
2.卷积计算
3.卷积的步长
4.池化
5.Padding
6.MNIST网络结构介绍
Tensorflow使用
1.深度学习框架介绍
2.Tensorflow安装
3.Tensorlfow基础知识:图,变量,fetch,feed
4.Tensorflow线性回归
5.Tensorflow非线性回归
6.Mnist数据集合Softmax讲解
7.使用BP神经网络搭建手写数◇字识别
8.交叉熵(cross-entropy)讲解和使用
9.过拟合,正则化,Dropout
10.各种优化器Optimizer
11.改进手写数字识别网络
12.卷积神经网络CNN的介绍
13.使用CNN解决手※写数字识别
keras使用
1.实现线性回归
2.实现非线性回归
3.MNIST数据集以及▅Softmax介绍
4.MNIST分类程序
5.交叉熵的应用
6.Dropout应用
7.正则化◆应用
8.优化器介绍及应用①
9.CNN应用于手写数字识别
10.cifar-10图片分类
11.模型的保存和载入
12.绘制网络结构
验证码识别项目
1.多任务学习介绍
2.验证码识别项目
目标检测项目
1.目标检︾测任务介绍
2.RCNN/Fast-RCNN/Faster-RCNN算法介绍
3.YOLO算法介绍
4.SSD算法介绍
5.目标检测项目实战
目标分割项目
1.目标々分割任务介绍
2.全卷积网络
3.双线性上采◤样
4.特征金☉字塔
5.Mask RCNN算法介绍
6.目标分割项目实战
图像风格迁移项目
1.图像风格迁移介□绍
2.图像风格迁移项目实战
GAN项目
1.生成式对←抗网络GAN介绍
2.生成式对抗网络GAN项目实战
认证过程
无认证过程
开班信息
暂无→开班信息