首頁 > 公開課 > 人工智能 > Python+計算機圖像與視覺處理技術實戰

Python+計算機圖像與視覺處理技術實戰

培訓地點 南京
培訓時間 5月28-30日

一、 培訓收益

  課程中通過細致講解,使學員掌握該技術的本質。具體收益包括:

  1.掌握OpenCV的使用;

  2.理解卷積神經網絡;

  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典項目案例,深入解讀計算機視覺技術的應用。

二、 培訓特色

  本次培訓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,給計算機視覺技術相關從業人員以指導和啟迪。

三、 日程安排

日程 培訓模塊 培訓內容
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
第一天 下午 卷積神經網絡介紹 1.CNN架構
2.卷積計算
3.卷積的步長
4.池化
5.Padding
6.MNIST網絡結構介紹
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
第二天 下午 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
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.圖像數據預處理
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
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

四、 授課專家

  王老師 計算機博士,深入理解傳統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。熟練使用OpenCV、Tensorflow、Keras等工具。具備豐富的數據挖掘經驗,熟悉大數據下的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,創業公司合伙人,技術總監。機器學習,深度學習領域多年一線開發研究經驗,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,研發經驗豐富。擁有兩項國家專利。同時具有多年授課培訓經驗,講課通熟易懂,代碼風格簡潔清晰。