1. 首页
  2. 精品课程
  3. 计算机视觉 第二期 [催生数千亿市值公司的核心技术,3人拼团立减100]

计算机视觉 第二期 [催生数千亿市值公司的核心技术,3人拼团立减100]

  • 讲师:Seven博士 李博士 金老师
  • 课时:10次课 [每次课至少2小时,课上课后答疑]
  • 开课时间:9月22日开始直播,每周六周日晚上8~10点直播
¥499.00 ¥1000.00 3人团,724人已参团
分享赚 ¥50.00 元
{{barrageList.data.user_name}} {{barrageList.data.live_msg}}
服务承诺:

· 直播且回看

· 讲师助教组长同答疑

· 双云平台

· 作业考试且批改

{{status}}人正在拼团,可直接参与: 拼团须知:邀请好友参团·24小时内人满成交·人不满退款

{{item.user_name}}

{{item.end_time}}
{{props.unit}}
还差 {{item.number}}人
去参团
查看更多>

打开微信,点击底部的“发现”,使用 “扫一扫” 即可将网页分享到我的朋友圈。

拼团成功

确定

费用已原路返回,请注意查收

确定

¥399 一键开团
  • 介绍
  • 大纲
  •    免费试听:以鲸鱼识别为例,利用深度学习解决Kaggle竞赛中的图像分类问题

       以下是课程的详细介绍:

       

       

       

       

    计算机视觉-第二期_05.png

       

  • 第一阶段 计算机视觉技术基石

      第1课:图像处理基础

    • 知识点1:图像空间坐标系
    • 知识点2:OpenCV-计算机视觉技术的工具箱
    • 知识点3:使用OpenCV对图像进行各类处理(卷积,边缘检测,形态学操作)和变换

      第2课:图像处理进阶

    • 知识点1:图像的卷积操作
    • 知识点2:边缘检测算法:Canny算子、Sobel算子和拉普拉斯变换
    • 知识点3:直线检测-霍夫变换
    • 知识点4:图像的形态学操作-膨胀和腐蚀
    • 实战项目:综合使用图像处理方法进行车牌定位识别

    第二阶段 CV领域的瑞士军刀:深度学习

      第3课:神经网络初步与调参技巧 ( by Seven)

    • 知识点1:线性分类器的基本框架;
    • 知识点2:深度理解向量点积的物理意义;
    • 知识点3:神经网络的前向传递和反向传播;
    • 知识点4:深入理解反向传播——数学推导和物理意义;
    • 实战项目:使用TensorFlow/Keras快速搭建神经网络进行图像分类

      第4课:深度卷积神经网络原理与实践 (by Seven)

    • 知识点1:理解卷积操作的本质及其物理意义;
    • 知识点2:重新认识感受野及其计算方式;
    • 知识点3:多种多样的深度卷积神经网络结构
    • 知识点4:神经网络中的迁移学习技巧;
    • 实战项目:百行代码实现Kaggle图像分类竞赛Top-5%

      第5课: 图像搜索技术 (by Seven)

    • 知识点1:基于无监督深度学习的图像搜索技术-Autoencoder;
    • 知识点2:基于有监督深度学习的图像搜索技术-ConvNets;
    • 知识点3:应用ConvNets作图像搜索任务的实践经验;
    • 知识点4:理解深度排序技术;
    • 实战项目:使用Autoencoder和ConvNets构建图像搜索系统

      第6课:大规模车辆图片搜索/重识别 (by Seven)

    • 知识点1:深入理解Triplet Loss及其训练技巧
    • 知识点2:基于多任务的深度学习技术
    • 知识点3:融合多任务和Triplet Loss
    • 实战项目:使用TensorFlow/Keras由浅入深搭建规模车辆图片搜索系统

    第三阶段 CV的重点攻坚:目标检测、语义分割

      第7课:目标检测及其在无人驾驶领域的作用

    • 知识点1:目标检测的任务、Benchmark以及评价指标
    • 知识点2:2-Stage模型:R-CNN、Fast R-CNN、Faster R-CNN
    • 知识点3:1-Stage模型:YOLO系列和SSD
    • 知识点4:初步了解无人驾驶中的视觉问题(以KITTI数据库为例)
    • 实战项目:使用TensorFlow/PyTorch在COCO数据集上进行目标检测

      第8课:深度学习在图像语义分割中的应用

    • 知识点1:全卷积网络FCN
    • 知识点2:基于Encoder-Decoder思想的U-Net系列方法
    • 知识点3:空洞卷积和Deep Lab系列
    • 实战项目:使用TensorFlow在CoCo数据集上进行语义分割

    第四阶段 CV的技术前沿:RNN与GAN

      第9课:RNN及其应用(image captioning and VQA)

    • 知识点1:RNN介绍
    • 知识点2:LSTM介绍和背后的梯度解释
    • 知识点3:基于RNN的图像解释和图像问答任务
    • 实战项目:使用Keras/PyTorch 搭建一个图像解释模型并分析成功与失败的原因

      第10课:深度学习前沿:理解AlphaGo (强化学习) 和生成模型(GAN)背后的原理

    • 知识点1:深度强化学习原理
    • 知识点2:对抗生成模型原理及各种变法(Basic GAN, DC-GAN, W-GAN, 等)
    • 知识点3:基于GAN网络的风格迁移学习
    • 实战项目:手把手教你如何使用TensorFlow/PyTorch实现GAN 和 强化模型
课程咨询
课程咨询

微信客服:julyedukefu_02

电话:010-82712840

微信公众号:

微信公众号

分享赚钱

复制链接分享:                               扫描二维码分享:
    快捷分享:
分享到三个群,成单概率高达91%!

关注服务号

关注服务号,有人通过您分享的链接购买后,会第一时间通过微信服务号通知您。

提示:请用个人微信扫描,扫描关注后会自动将您的微信账号绑定到七月在线账号用于提现。

完善信息

完善个人信息以便第一时间接收开课通知

请填写用户名

提示

尚未开课,开课后会第一时间上传课程。

确定