培训内容：
第一讲 计算机视觉基础理论与工具介绍
1.******da, Jupyter notebook，openCV和Pytorch的安装使用方法
2.计算机视觉基础理论和历史沿袭
3.图像处理理论和实践
4.实例：人脸识别，换脸
第二讲 高层次特征表示
1.数据驱动模型介绍：K近邻、线性分类器
2.神经网络模型介绍
3.卷积、池化、激活函数的作用与理解
4.论文研读：
a)Gradient-Based Learning Applied to Document Recognition
5.实例：30分钟PyTorch
6.实例：OCR-mnist数据集论文复现和应用于验证码识别
第三讲 现代计算机视觉
1.卷积神经网络的理解和应用
2.主流卷积神经网络分析
3.现代计算机视觉的主流发展方向
4.论文研读:
a)ImageNet Classification with Deep Convolutional Neural Networks
b)Going Deeper with Convolutions
c)Deep Residual Learning for Image Recognition
5.实例：论文复现：应用于大规模图像分类问题
第四讲 目标检测算法
1.滑动窗口算法
2.单阶段目标检测算法
3.双阶段目标检测算法
4.论文研读：
a)Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
b)You Only Look Once: Unified, Real-Time Object Detection
5.实例：论文复现：应用于行人检测和自动驾驶
鲁公网安备37061302000010号
在线客服
预约试听