課程介紹
計算機圖像處理課程，旨在幫助從實戰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，給予計算機視覺技術培訓相關從業人員進行指導和啟迪，并且通過各個應用場景的實際經典項目案例，深入解讀計算機視覺技術的圖像處理技巧。
培訓對象
需要了解文本分析NLP技術的相關人員。
課程收益
掌握OpenCV的使用；
理解卷積神經網絡；
掌握Tensorflow的使用；
掌握keras的使用；
通過各個應用場景的實際經典項目案例，深入解讀計算機視覺技術的應用。
知識概要
-- OpenCV使用；
-- 卷積神經網絡介紹；
-- Tensorflow使用；
-- keras使用；
-- 驗證碼識別項目；
-- 目標檢測項目；
-- 目標分割項目；
-- 圖像風格遷移項目；
-- GAN項目。
課程大綱
OpenCV使用
1.安裝opencv
2.圖像處理基礎
3.圖像運算和轉換
4.圖像平滑處理
5.圖像梯度
6.圖像邊緣檢測
7.圖像金字塔
8.人臉檢測和識別
卷積神經網絡介紹
1.感受野，權值共享
2.卷積計算
3.卷積的步長
4.池化
5.Padding
6.MNIST網絡結構介紹
Tensorflow使用
1.深度學習框架介紹
2.Tensorflow安裝
3.Tensorlfow基礎知識：圖，變量，fetch，feed
4.Tensorflow線性回歸
5.Tensorflow非線性回歸
6.Mnist數據集合Softmax講解
7.使用BP神經網絡搭建手寫數字識別
8.交叉熵(cross-entropy)講解和使用
9.過擬合,正則化,Dropout
10.各種優化器Optimizer
11.改進手寫數字識別網絡
12.卷積神經網絡CNN的介紹
13.使用CNN解決手寫數字識別
keras使用
1.實現線性回歸
2.實現非線性回歸
3.MNIST數據集以及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.優化器介紹及應用
9.CNN應用于手寫數字識別
10.cifar-10圖片分類
11.模型的保存和載入
12.繪制網絡結構
驗證碼識別項目
1.多任務學習介紹
2.驗證碼識別項目
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
目標分割項目
1.目標分割任務介紹
2.全卷積網絡
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
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
GAN項目
1.生成式對抗網絡GAN介紹
2.生成式對抗網絡GAN項目實戰
認證過程
無認證考試
開班信息
暫無開班信息