日程
|
培训模块
|
培训内容
|
第一天
上午
|
OpenCV使用
|
1.安装opencv
2.图像处理基础
3.图像运算和转换
4.图像平滑处理
5.图像梯度
6.图像边缘检测
7.图像金字塔
8.人脸检测和识别
|
第一天
下午
|
卷积神经网络介绍
|
1.CNN架构
2.卷积计算
3.卷积的步长
4.池化
5.Padding
6.MNIST网络结构介绍
|
第二天
上午
|
Tensorflow使用
|
1.深度学习框架介绍
2.Tensorflow安装
3.Tensorlfow基础知识
4.Tensorflow线性回归
5.Tensorflow非线性回归
6.Mnist数据集合Softmax讲解
7.使用BP神经网络搭建手写数字识别
8.交叉熵(cross-entropy)讲解和使用
9.过拟合,正则化,Dropout
10.各种优化器Optimizer
11.改进手写数字识别网络
12.卷积神经网络CNN的介绍
13.使用CNN解决手写数字识别
|
第二天
下午
|
keras使用
|
1.实现线性回归
2.实现非线性回归
3.MNIST数据集以及Softmax介绍
4.MNIST分类程序
5.交叉熵的应用
6.Dropout应用
7.正则化应用
8.优化器介绍及应用
9.CNN应用于手写数字识别
10.cifar-10图片分类
11.模型的保存和载入
12.绘制网络结构
|
第三天
上午
|
图像识别项目
|
1.介绍Google图像识别模型Inception-v3
2.使用Inception-v3做图像识别
|
猫狗分类项目
|
1.图像数据预处理
2.猫狗分类-简单CNN
3.猫狗分类-VGG16-bottleneck
4.猫狗分类-VGG16-Finetune
|
验证码识别项目
|
1.多任务学习介绍
2.验证码识别项目
|
第三天
下午
|
目标检测项目
|
1.目标检测任务介绍
2.RCNN/Fast-RCNN/Faster-RCNN算法介绍
3.YOLO算法介绍
4.SSD算法介绍
5.目标检测项目实战
|
目标分割项目
|
1.目标分割任务介绍
2.全卷积网络
3.双线性上采样
4.特征金字塔
5.Mask RCNN算法介绍
6.目标分割项目实战
|
图像风格迁移项目
|
1.图像风格迁移介绍
2.图像风格迁移项目实战
|
GAN项目
|
1.生成式对抗网络GAN介绍
2.生成式对抗网络GAN项目实战
|