实现自己的Prisma(基于QT和OpenCV实现Android平台上基于AI的图像处理APP)

课程目标:基于QT和OpenCV实现Android平台上基于AI的图像处理APP

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28课时,共5小时36分钟
现价¥99.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

基于QT和OpenCV实现Android平台上基于AI的图像处理APP

适用人群

在学本科生与研究生,图像处理工作者,图像处理开发者,C++开发者

课程简介

想了解更多课程,请看第一课综述。


课程目标:基于QT和OpenCV实现Android平台上基于AI的图像处理APP

课程提纲:
L1、课程综述和基本环境搭建。
   1、结果展示,学习课程预期收获
   2、学习本课,所需的基础知识
   3、课程概览,本课将如何教授?
   4、基础环境搭建:
   5、作者简介,我为什么适合讲这个课题

L2、QT/QML快速入门、信号和槽的机制
   1、QT/QML的能力(为什么选择QT编写商业APP?)
   2、工具和资源
   3、信号和槽
   4、Quick Controls2
   5、QT程序设计TIPs
L3、通过例子加深了解
   1、手写控件并且通过信号和槽连接(2)
   2、定位器和通用控件使用(3)
   3、实现计算器例子(3)(4)
   4、工程和配置经验(2)
L4、Control2搭建我们需要的界面
1、相关问题说明
2、declarative-camera例子解析
3、对现有例子进行修改
4、下一步将会添加能力

L5、StyleTransfer和OpenCV.DNN基本原理
1、风格迁移(StyleTransfer)基本原理和背景知识
2、风格迁移的具体操作
3、相关注意事项

L6、训练成功自己的StyleTransfer
1、现有的几种训练类型
2、FastStyleTransform环境搭建
3、FastStyleTransform调参技巧
4、目前我们得到的可用结果
5、关于训练的交流讨论

L7、GOPrisma系统融合和性能优化(A)
1、项目代码结构
2、算法的融合(QML和C++代码相互调用) 《(jsxyhelu整编)QML和C++混合编程》
3、算法多线程
4、重点知识回顾和小结

L8、GOPrisma系统融合和性能优化(B) 《GoPrisma中“风格选择”页面的实现》《QML中的定位问题》
1、界面总览
2、分模块设计
3、提高启动速度
4、图标等细节

L9、GOPrisma系统融合和性能优化(C)
1、分享Android上的图像处理结果(1)
2、分享Android上的图像处理结果(2)
3、全课程总结
4、下一步计划

在整个知识体系中,本例位置回顾,目前我的研究和下步相关实现内容。

第一章课程综述和基本环境搭建
2节25分钟
1-1结果展示,学习课程预期收获 [免费试看]
08:11
1-2基础环境搭建 [免费试看]
17:43
第二章QT/QML快速入门、信号和槽的机制
3节40分钟
2-1QT/QML的能力(为什么选择QT编写商业APP?) [免费试看]
15:07
2-2信号和槽
07:19
2-3Quick Controls2和QT程序设计TIPs
18:12
第三章通过QML例子加深了解
4节45分钟
3-1手写控件并且通过信号和槽连接
16:56
3-2定位器和通用控件使用
14:03
3-3实现计算器例子
09:05
3-4工程和配置经验
05:44
第四章基于现有例子,搭建GoPrisma界面
4节30分钟
4-1相关问题说明
07:02
4-2declarative-camera例子解析
07:27
4-3对现有例子进行修改
13:08
4-4下一步将会添加能力
03:04
第五章StyleTransfer和OpenCV.DNN基本原理
3节35分钟
5-1风格迁移(StyleTransfer)基本原理和背景知识
15:57
5-2风格迁移的具体操作
13:53
5-3相关注意事项
05:42
第六章训练成功自己的StyleTransfer
3节36分钟
6-1现有的几种训练类型
09:13
6-2FastStyleTransform环境搭建
11:30
6-3FastStyleTransform调参技巧
16:05
第七章GOPrisma系统融合和性能优化(A)
3节59分钟
7-1项目代码结构
13:56
讲师介绍
禾路
讲师评分4.5分
图像处理工程师,专注图像处理多年,长期奋斗在图像增强、识别一线。实战经验丰富,研究开发的连铸体拼接算法、人脸美化算法、红外线血管增强识别系统、中药识别系统、石材大板识别系统等均已投入使用。对opencv有着深入理解和解析。对opencv结合mfc、csharp快速开发,解决实际问题有独到见解。 开源框架GreenOpenMFCTemplate受到《学习Opencv》中文版翻译者于士琪论坛和博客推荐。 讲课风格严谨细致,针对性强;并且能够启发同学自主发现问题本质,主动扩展研究,提高动手能力。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载