《计算机视觉：从入门到精通，极限剖析图像识别学习算法》致力培养未来人工智能人才

Posted 2021-04-07 炼数成金前沿推荐

如何做好计算机视觉的研究工作，迎接更广阔的未来职业发展，能够上手应用，编写属于自己的神经网络和计算机视觉应用？本次课程将围绕着计算机视觉中最常见的RCNN图像识别算法进行极限剖析，从数学理论， 模型框架到实践实操，让你在短时间内从理论到实践，掌握深度学习的基本知识和学习方法。

· 目的：掌握神经网络的基本原理，知其然亦知其所以然（从数学实践到代码的熟练和精通）; 

· 手段：科学的方法。理论到实践的剖析; 

· 成果：掌握计算机视觉的基本方法，从容地应对实践中面临的挑战。

课程大纲：

阶段1 图像预处理

第一课：OpenCV 及图像处理基础

知识点：图像处理，灰度值提取，Histogram提取

第二课：OpenCV进阶：图像滤波，特征提取及匹配

知识点：Sift，视觉和图像变换, 边缘检测算法等

第三课：实践：利用KNN算法和OpenCV进行手写字符识别

阶段2: 创建自己的图像识别神经网络

第四课：深入理解神经网络的前向传递和反向传播及其物理意义

知识点：Loss function，交叉熵代价函数，梯度下降法求导

第五课：训练你自己的网络，重点为调参和工作中用到的一些技巧

知识点：Loss function，交叉熵代价函数，梯度下降法

第六课：卷积神经网络（CNN）在图像分类识别中的应用（附python编程和算法解析）

知识点：数据输入层，卷积计算层，激励层（Sigmoid，Tanh，ReLu，ELU），池化层，全联接层，Batch Normalization, 学习率

第七课：实践，不使用任何工具包，训练一个属于你自己的神经网络进行手写字符识别

系列3. 深度卷积神经网络进阶

第八课：不同的神经网络类别和应用

知识点：调参基本技巧，向量点积

第九课：深度卷积神经网络原理及实践

知识点，神经网络的迁移学习技巧

第十课：搭建图片搜索系统，深入理解Triplet Loss 及其训练技巧

第十一课：实践：使用Tensorflow/Keras搭建神经网络，进行图像分类

阶段4: 目标检测和LSTM标注法

第十二课： 目标检测算法

知识点：Fast RCNN , Faster RCNN, Yolo, SSD

第十三课：LSTM 标注学习

第十四课：实践：使用Tensorflow/Keras在数据集上进行目标检测

授课时间：

本期课程将于1月4日开始。课程持续时间大约为16周。

授课对象：

计算机视觉是人工智能未来三大应用之一，也是人工智能技术应用方向的领头羊，被广泛使用在人脸识别，安防，无人驾驶等领域。目前国内人工智能一批独角兽不断涌出，在欧美各地亦有较多人才缺口，未来十年是计算机视觉技术和应用井喷的十年，本课程面向工业界未来人工智能人才，并传授我个人的一些经验。

收获预期：

了解计算机视觉图像识别基本原理和算法，学会解决在实践中遇到的各种问题。

讲师介绍：

Daniel，2011年毕业于香港科技大学，师从信号处理的普林斯顿教授Oscar Chan，后旅法。在法国工作多年从事计算机视觉相关工作，现在在ENSTA-ParisTech任计算机视觉算法研究员。我现在也在负责招聘业务，亦愿意和学员共同交流海外工作经验和计算机视觉算法方面的工作机会。

点击下方二维码或阅读原文报名课程：