Python＋計算機圖像（視覺）處理技術實戰(zhàn)

Python＋計算機圖像（視覺）處理技術實戰(zhàn)(多名講師)課程介紹：

培訓收益
課程中通過細致講解，使學員掌握該技術的本質(zhì)。具體收益包括：
1.掌握OpenCV的使用；
2.理解卷積神經(jīng)網(wǎng)絡；
3.掌握Tensorflow的使用；
4.掌握keras的使用；
5.通過各個應用場景的實際經(jīng)典項目案例，深入解讀計算機視覺技術的應用。

培訓特色
本次培訓從實戰(zhàn)的角度對計算機視覺技術進行了全面的剖析，并結合實際案例分析和探討計算機視覺技術的應用場景，給計算機視覺技術相關從業(yè)人員以指導和啟迪。

日程安排

第一天上午
OpenCV使用
1.安裝opencv
2.圖像處理基礎
3.圖像運算和變換
4.圖像直方圖處理
5.圖像平滑處理
6.圖像閾值與分割處理
7.圖像梯度與邊緣檢測
8.圖像輪廓檢測
9.人臉檢測和識別

第一天下午
卷積神經(jīng)網(wǎng)絡介紹
1.CNN架構
2.卷積計算
3.卷積的步長與填充
4.池化層的原理
5.MNIST數(shù)據(jù)集介紹
6.卷積與池化的實現(xiàn)
7.CNN的可視化實現(xiàn)

第二天上午
Tensorflow使用
1.深度學習框架介紹
2.Tensorflow安裝
3.Tensorlfow基礎知識
4.Tensorflow線性回歸
5.Tensorflow非線性回歸
6.Mnist數(shù)據(jù)集合Softmax講解
7.使用BP神經(jīng)網(wǎng)絡搭建手寫數(shù)字識別
8.交叉熵(cross-entropy)講解和使用
9.過擬合,正則化,Dropout
10.各種優(yōu)化器Optimizer
11.改進手寫數(shù)字識別網(wǎng)絡
12.常見的CNN圖像分類模型
13.使用CNN解決手寫數(shù)字識別
14.Tensorflow高級抽象庫

第二天下午
keras使用
1.實現(xiàn)線性回歸
2.實現(xiàn)非線性回歸
3.MNIST數(shù)據(jù)集以及Softmax介紹
4.MNIST分類程序
5.交叉熵的應用
6.Dropout應用
7.正則化應用
8.優(yōu)化器介紹及應用
9.CNN應用于手寫數(shù)字識別
10.cifar-10圖片分類
11.模型的保存和載入
12.繪制網(wǎng)絡結構

第三天上午
圖像識別項目
1.介紹Google圖像識別模型Inception-v3
2.使用Inception-v3做圖像識別

貓狗分類項目
1.圖像數(shù)據(jù)預處理
2.貓狗分類-簡單CNN
3.貓狗分類-VGG16-bottleneck
4.貓狗分類-VGG16-Finetune

驗證碼識別項目
1.多任務學習介紹
2.驗證碼識別項目

第三天下午
目標檢測項目
1.目標檢測任務介紹
2.RCNN/Fast-RCNN/Faster-RCNN算法介紹
3.YOLO算法介紹
4.SSD算法介紹
5.目標檢測項目實戰(zhàn)

目標分割項目
1.目標分割任務介紹
2.全卷積網(wǎng)絡
3.雙線性上采樣
4.特征金字塔
5.Mask RCNN算法介紹
6.目標分割項目實戰(zhàn)

圖像風格遷移項目
1.圖像風格遷移介紹
2.圖像風格遷移項目實戰(zhàn)

GAN項目
1.生成式對抗網(wǎng)絡GAN介紹
2.生成式對抗網(wǎng)絡GAN項目實戰(zhàn)

授課專家

王老師 計算機博士，深入理解傳統(tǒng)的計算機視覺方法與目前主流的深度學習算法，在圖像識別、目標檢測、圖像分割、OCR、人臉識別等方向均進行了豐富的項目實戰(zhàn)。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數(shù)據(jù)挖掘經(jīng)驗，熟悉大數(shù)據(jù)下的ETL與模型搭建，曾獨立負責美團用戶信用分評估、敏感身份挖掘、京東金融APP多個模塊推薦算法搭建等項目。

覃老師上海大學物理學碩士，創(chuàng)業(yè)公司合伙人，技術總監(jiān)。機器學習，深度學習領域多年一線開發(fā)研究經(jīng)驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關的人工智能實際項目，研發(fā)經(jīng)驗豐富。擁有兩項國家專利。同時具有多年授課培訓經(jīng)驗，講課通熟易懂，代碼風格簡潔清晰。

更多Python＋計算機圖像（視覺）處理技術實戰(zhàn)相關課程：