课程安排

• 第一部分 报名审核

  申请学员（以下简称学员）填写报名申请表并附上简历，电话或远程面试通过后，才视为报名成功，然后学员和七月在线（以下简称机构）双方签订培训合同。

• 第二部分 内容安排

  课程开始前，提供预习视频预习，课程开始后，每周安排直播、录播、实训、答疑，然后每两周考试一次，顺利通过阶段考试的学员，才能进入下一阶段的学习。未能通过考核的重新学习，做查漏补缺。

  第一阶段 掌握计算机视觉技术的基础

  在线视频：图像处理基础

  • 1-CV背景介绍
  • 2-CV技术的工具箱：OpenCV完全解析（c++，python）
  • 3-图像的基本操作：遍历图像，ROI选取等
  • 4-机器学习在CV中的应用：KNN

  在线视频：图像处理进阶

  • 1-图像聚类算法
  • 2-百图详解图像滤波器
  • 3-特征提取与匹配（sift等）
  • 4-坐标变换与视觉测量

  在线实训：图像拼接

  在线直播：计算机视觉基础

  • 1-图像边缘提取
  • 2-特征提取与描述
  • 3-RANSAC
  • 4-相机模型与单视几何

  在线直播：三维计算机视觉

  • 1-立体视觉
  • 2-多视几何
  • 3-SFM与SLAM

  第二阶段 掌握机器学习与深度学习基础

  在线视频：机器学习基础和神经网络

  • 1-线性分类器原理推导
  • 2-神经网络基础——前向传递和反向传播算法
  • 3-神经网络调参实践

  在线实训：使用TensorFlow/Keras快速搭建神经网络进行图像分类

  在线视频：深度卷积神经网络原理与实践

  • 1-卷积操作的物理意义
  • 2-深度卷积神经网络的基本结构
  • 3-卷积层的参数个数、输出维度的计算

  在线实训：百行代码实现Kaggle图像分类竞赛Top-5%

  在线直播：深谈深度学习基础问题

  • 1-深度学习中Batch normalization相关的各种变形
  • 2-机器学习中常见面试问题探讨
  • 3-再谈kaggle图像分类问题

  在线直播：机器学习与深度学习基础

  • 1-数学基础
  • 2-深度模型中的正则化与优化
  • 3-再谈TensorFlow/Keras图像分类

  第三阶段 掌握深度学习高级技巧

  在线视频：解析STOA深度卷积神经网络及调参优化技巧

  • 1-深度卷积神经网络结构的发展历史——从AlexNet到DenseNet
  • 2-降低深度网络参数的大杀器——深度可分离网络
  • 3-深度网络模型的训练优化实践经验和技巧

  在线实训：使用Autoencoder和ConvNets构建图像搜索系统

  在线视频：大规模车辆图片搜索/重识别(ReID)

  • 1-深入理解Triplet Loss及其训练技巧
  • 2-基于多任务的深度学习技术
  • 3-融合多任务和Triplet Loss

  在线实训：使用TensorFlow/Keras由浅入深搭建规模车辆图片搜索系统

  在线直播：Two-Stage物体检测

  • 1-考试试题“神经网络与CNN”分析
  • 2-深入理解物体检测的评价指标
  • 3-深入理解Anchor机制
  • 4-RCNN家族模型
  • 5-再谈使用Autoencoder和ConvNets构建图像搜索系统

  在线直播：One-Stage物体检测

  • 1-SSD、YOLO模型剖析
  • 2-Focal Loss背后的原理
  • 3-物体检测的参数解析
  • 4-再谈用Keras/PyTorch 搭建Image Caption模型

  第四阶段 掌握目标检测与语义分割

  在线视频：目标检测及其在无人驾驶领域的作用

  • 1-目标检测的任务、Benchmark以及评价指标
  • 2-2-Stage模型：R-CNN、Fast R-CNN、Faster R-CNN
  • 3-1-Stage模型：YOLO系列和SSD
  • 4-初步了解无人驾驶中的视觉问题（以KITTI数据库为例）

  在线实训：使用TensorFlow/PyTorch在COCO数据集上进行目标检测

  在线视频：深度学习在图像语义分割中的应用

  • 1-全卷积网络FCN
  • 2-基于Encoder-Decoder思想的U-Net系列方法
  • 3-空洞卷积和Deep Lab系列

  在线实训：使用TensorFlow在COCO数据集上进行语义分割

  在线直播：2019物体检测领域新趋势

  • 1-全新检测技术：不基于检测框 (Anchor-free) 的思路与最新进展
  • 2-目标检测扩展：零样本学习检测 (zero-shot object detection)
  • 3-前两种新趋势的实战演练
  • 4-再谈TensorFlow在COCO数据集上的目标检测

  在线直播：Mask R-CNN实战

  • 1-目标检测RCNN，Fast/Faster RCNN
  • 2-Mask R-CNN基本原理
  • 3-Mask R-CNN实战
  • 4-再谈TensorFlow在COCO数据集的语义分割

  第五阶段 掌握CV的技术前沿：RNN与GAN

  在线视频：RNN及其应用（image captioning and VQA）

  • 1-RNN介绍
  • 2-LSTM介绍和背后的梯度解释
  • 3-基于RNN的图像解释和图像问答任务

  在线实训：使用Keras/PyTorch 搭建一个Image Caption模型

  在线视频：深度学习前沿：理解AlphaGo （强化学习） 和生成模型（GAN）背后的原理

  • 1-深度强化学习原理
  • 2-对抗生成模型原理及各种变法（Basic GAN, DC-GAN, W-GAN, 等）
  • 3-基于GAN网络的风格迁移学习

  在线实训：手把手教你如何使用TensorFlow/PyTorch实现GAN

  在线直播：深度卷积神经网络若干实用Tricks

  • 1-考试试题“CNN在CV领域中的应用”分析
  • 2-Beyond python train.py：训练CNN的若干实用Tricks
  • 3-Reading Learning Curves：练就CNN调参大师

  在线直播：掌握GAN与WGAN

  • 1-考试试题分析
  • 2-20分钟无公式直观理解生成式对抗网络
  • 3-深入理解生成式对抗网络模型及其常见变种

  第六阶段 CV比赛实战和简历/面试指导

  在线直播：临阵磨枪之Kaggle比赛经验速成

  • 1-Kaggle挑战赛介绍、搭配环境、数据下载、模型评估
  • 2-迄今最大物体检测数据集Open Images 挑战赛
  • 3-谷歌标志物分类挑战赛

  在线直播：面试/简历那些事

  • 1-简历的格式和组织呈现方式
  • 2-读懂求职岗位需求
  • 3-面试若干实用技巧
  • 4-AI/CV算法研发岗面试基本流程

  在线直播：面试就业辅导（一）-Seven老师

  在线直播：面试就业辅导（二）-王博士

• 第三部分 实战项目

  在课程进行的后半段，学员根据自己的兴趣和求职的方向选择实战项目：
  • 

    实战项目一

    狗脸识别系统

    2018年某国内一线互联网公司，为了促销推出了狗脸识别系统，通过扫狗脸可以快速的识别狗的种类，进而推荐各种养狗秘籍及其相关商家达到促销的目的。通过本项目，你可以学会快速搭建一个基于深度学习网络的识别系统，不仅限于狗脸识别，人脸识别也类似。

  • 

    实战项目二

    人体关节点提取

    人体关节点提取可以广泛应用于人体运动分析，人体行为分析，游戏娱乐，虚拟现实等等领域。通过本项目，你将学会搭建一套基于深度学习的人体关键点提取系统。

  • 

    实战项目三

    人脸三维重建

    三维人脸重建，可以广泛应用于VR/AR, 三维打印等领域。通过本项目你可以掌握基于立体视觉，基于深度传感器等技术的人脸重建技术。

  • 

    实战项目四

    超级变态的图像细粒度分类

    细粒度图像分类(Fine-Grained Categorization)在工业界和学术界都有着广泛的研究需求与应用场景。与之相关的研究课题主要包括识别不同种类的鸟、狗、花、车、飞机等。在实际生活中，识别不同的子类别又存在着巨大的应用需求。例如, 在生态保护中, 有效识别不同种类的生物，是进行生态研究的重要前提。细粒度图像的类别精度更加细致，类间差异更加细微，往往只能借助于微小的局部差异才能区分出不同的类别。

  • 

    实战项目五

    大规模车辆重识别（ReID）

    在不同的道路交通视频监控拍摄条件下，识别出同一车辆是车辆重识别需要解决的主要问题。车辆重识别需要处理不同拍摄视角、光照等拍摄条件同一车辆的视频监控图像存在差异的问题，甚至车辆的类内方差要大于类间方差。例如同年款的奥迪Q7跟Q5可能要比换代的Q7要来的更加相似。车辆ReID最具有技术挑战之处在于，如何识别同款、同色、不同车牌的车辆，例如每个城市的出租车颜色、车型都一致，如何进行甄别？

• 第四部分 面试求职

  针对特定方向的定制化项目（如CV实战项目），进行项目与简历的最终调整与完善。然后安排名企面试官模拟面试与内推，面试与反馈迭代，最终帮助学员成功拿到offer。

  第一阶段 简历与项目定制

  • 1-大型公司的招聘方向与需求分析，并选择方向，然后针对特定方向的定制化项目，进行简历调整与完善：一份优质简历的基本原则、你的简历是怎么进出人才资源池的、校招/社招面试官是怎么阅读简历的
  • 2-实用面试技巧若干

  第二阶段 面试辅导与内推

  • 1-名企面试官模拟面试与内推 （老师会给班级里面的每一位学员电话面试，按照BAT中AI/CV算法工程师岗位的要求来面试并且打分，并当场给予分数反馈和调整建议）
  • 2-面试与反馈迭代
  • 注：实战项目会根据市场环境，学员综合情况动态调整。

• 第五部分 入职护航

  针对学员入职后工作上遇到的技术方面问题，进行一周的跟踪服务，为学员稳定就业保驾护航。

讲师介绍

• 
  Seven博士

  博士毕业于国内Top5高校，在人工智能和模式识别领域发表了10余篇会议和期刊。目前在国内某知名互联网公司担任人工智能算法高级技术专家，有深厚的学术背景和丰富的项目及业务落地经验。Seven老师长期担任校园招聘和社会招聘技术面试官，授课风格深入浅出、诙谐幽默。

• 
  王博士

  中科院CV博士毕业，中国图像图形学会三维视觉专委会委员，目前在百度做CV研发，之前在阿里达摩院做CV研发。

学员评价