培訓內容:
第一講 計算機視覺基礎理論與工具介紹
1.******da, Jupyter notebook,openCV和Pytorch的安裝使用方法
2.計算機視覺基礎理論和歷史沿襲
3.圖像處理理論和實踐
4.實例:人臉識別,換臉
第二講 高層次特征表示
1.數據驅動模型介紹:K近鄰、線性分類器
2.神經網絡模型介紹
3.卷積、池化、激活函數的作用與理解
4.論文研讀:
a)Gradient-Based Learning Applied to Document Recognition
5.實例:30分鐘PyTorch
6.實例:OCR-mnist數據集論文復現和應用于驗證碼識別
第三講 現代計算機視覺
1.卷積神經網絡的理解和應用
2.主流卷積神經網絡分析
3.現代計算機視覺的主流發展方向
4.論文研讀:
a)ImageNet Classification with Deep Convolutional Neural Networks
b)Going Deeper with Convolutions
c)Deep Residual Learning for Image Recognition
5.實例:論文復現:應用于大規模圖像分類問題
第四講 目標檢測算法
1.滑動窗口算法
2.單階段目標檢測算法
3.雙階段目標檢測算法
4.論文研讀:
a)Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
b)You Only Look Once: Unified, Real-Time Object Detection
5.實例:論文復現:應用于行人檢測和自動駕駛