基于深度学习的计算机视觉: 原理与实践 (上部)

课程目标:学习和掌握基于深度学习的计算机视觉技术

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69课时,共21小时53分钟
现价¥188.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

学习和掌握基于深度学习的计算机视觉技术

适用人群

具有一定深度学习基础,希望能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的同学们

课程简介

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,从而有望成为计算机视觉深度学习领域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博客(https://blog.51cto.com/14012985/2355446)。

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)。

另外,对YOLOv3算法的实战和源码感兴趣的同学,请关注本人的YOLOv3目标检测实战课和源码解析课程。






chap3图像分类.gif


chap4目标检测.gif


chap5图像分割.gif

第一章课程介绍
1节28分钟
1-1课程内容及特色 [免费试看]
28:04
第二章深度学习基础
17节5小时42分钟
2-1深度学习发展简史 [免费试看]
19:29
2-2神经网络基本知识 [免费试看]
08:44
2-3神经网络训练:训练流程、损失函数、优化目标、梯度下降
42:34
2-4神经网络训练:反向传播算法、计算图
30:08
2-5神经网络训练:梯度下降训练策略
10:24
2-6梯度下降各种优化算法
29:02
2-7卷积神经网络:网络架构
09:25
2-8卷积神经网络:卷积层
27:43
2-9卷积神经网络:激活函数层
17:59
2-10卷积神经网络:池化、批归一化、全连接层
21:48
2-11LeNet-5
08:29
2-12卷积神经网络实践技巧:数据增强、数据预处理
06:55
2-13卷积神经网络实践技巧:参数初始化、超参数设定、过拟合与避免
23:53
2-14卷积神经网络实践技巧:网络正则化方法
15:18
2-15实践篇:开发环境搭建 [免费试看]
12:17
2-16实践篇:Keras与Tensorflow框架介绍
27:34
2-17实践篇:项目案例-MNIST手写数字识别
31:11
第三章图像分类
18节4小时57分钟
3-1任务、数据集、网络模型演进 [免费试看]
19:51
3-2AlexNet [免费试看]
26:07
讲师介绍
白勇
讲师评分4.8分
双一流高校教授,博士生导师,美国博士学位,十年以上工作经历。先后就职美国和国内信息技术公司与高校。具有国家级科研项目经验;创业公司专家顾问。译著:计算机视觉深度学习;发表学术论文100多篇;授权专利国内外10多项。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载