深度学习基于Heatmap特征的目标识别与位置回归视频课程

课程目标:让学员能够联合使用Opencv和Tensorflow,完成深度学习案例开发。1、通过Heatmap特征的讲解,认识其原理,并通过Opencv设计自己的样本标注工具。2、通过实际问题设计loss_function,并使用迁移学习的思想构建网络模型,训练模型。3、通过两个示例实现目标识别及其定位回归。

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
5分 共8课时,共2小时1分钟
现价¥128.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

让学员能够联合使用Opencv和Tensorflow,完成深度学习案例开发。1、通过Heatmap特征的讲解,认识其原理,并通过Opencv设计自己的样本标注工具。2、通过实际问题设计loss_function,并使用迁移学习的思想构建网络模型,训练模型。3、通过两个示例实现目标识别及其定位回归。

适用人群

想从事深度学习相关工作的或是对于人工智能、深度学习感兴趣人,想将深度学习技术引入项目或是产品中。

课程简介

本课程主要基于Heatmap特征的目标识别及其目标定位及回归,系统平台基于windows10,使用软件平台包括vs2013和Anacond、Tensorflow-1.4.0、Opencv2410、Opencv-python

仔细讲解、分析,带领大家理解Heatmap特征,借鉴Openpose的相关迁移学习相关思想,实现自己的网络模型(该模型同时具有识别和定位回归的功能)。

通过Opencv设计一个关于Heatmap的标注工具,让学员可以轻松的制作自己的heatmap特征的标注数据集,提供工程源码,供给学员研究和拓展。

另外透彻讲解基于Heatmap特征的模型构造,及其loss_function设计,一步步代理大家使用Tensorflow进行模型编写及训练,最后通过两个示例将训练好的模型进行人的头部和眼睛的识别和位置定位回归。


具体:

第一章:

1.1 课程内容简介

第二章

2.1 Heatmap特征分析

2.2 基于Heatmap特征的样本制作

第三章:

3.1 制作tfrecords样本数据集

3.2 构建网络模型

3.3 训练网络模型(包括网络模型的2次训练,即在已有模型的基础上进行再次训练)

第四章:

4.1 目标识别及定位示例--人脸识别及定位。

4.2 目标识别及定位示例--人眼识别及定位。


第一章课程内容简介
1节7分钟
1-1课程内容简介 [免费试看]
07:36
第二章关于heatmap样本特征 分析及制作
2节31分钟
2-1heatmap特征分析 [免费试看]
10:24
2-2基于heatmap特征的样本制作 [免费试看]
20:49
第三章构建深度学习模型及训练
3节1小时
3-1制作tfrecords样本数据集 [免费试看]
14:57
3-2构建heatmap网络模型 [免费试看]
22:36
3-3训练heatmap网络模型 [免费试看]
22:38
第四章使用训练好的模型 进行目标识别及定位示例
2节22分钟
4-1人脸识别及定位
12:34
4-2人眼识别及定位
10:18
讲师介绍
李翔
讲师评分5.0分
检测技术与自动化装置 硕士学位。 具有6年视觉图像项目经验。某创业公司技术合伙人、 研发总监、机器视觉专家。擅长技术领域: 机器视觉、 人机交互、 视 觉类的深度学习等领域。 授课风格: 理论知识与实践紧密联系, 以实际开发案例带领大家学习。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载