階段1 圖像預(yù)處理
第一部份:OpenCV 及圖像處理基礎(chǔ)
知識點:圖像處理,灰度值提取,Histogram提取
第二部份:OpenCV進階:圖像濾波,特征提取及匹配
知識點:Sift,視覺和圖像變換, 邊緣檢測算法等
第三部份:實踐:利用KNN算法和OpenCV進行手寫字符識別
階段2: 創(chuàng)建自己的圖像識別神經(jīng)網(wǎng)絡(luò)
第四部份:深入理解神經(jīng)網(wǎng)絡(luò)的前向傳遞和反向傳播及其物理意義
知識點:Loss function,交叉熵代價函數(shù),梯度下降法求導(dǎo)
第五部份:訓(xùn)練你自己的網(wǎng)絡(luò),重點為調(diào)參和工作中用到的一些技巧
知識點:Loss function,交叉熵代價函數(shù),梯度下降法
第六部份:卷積神經(jīng)網(wǎng)絡(luò)(RNN)在圖像分類識別中的應(yīng)用(附python編程和算法解析)
知識點:數(shù)據(jù)輸入層,卷積計算層,激勵層(Sigmoid,Tanh,ReLu,ELU),池化層,全聯(lián)接層,Batch Normalization, 學(xué)習(xí)率
第七部份:實踐,不使用任何工具包,訓(xùn)練一個屬于你自己的神經(jīng)網(wǎng)絡(luò)進行手寫字符識別
系列3. 深度卷積神經(jīng)網(wǎng)絡(luò)進階
第八部份:不同的神經(jīng)網(wǎng)絡(luò)類別和應(yīng)用
知識點:調(diào)參基本技巧,向量點積
第九部份:深度卷積神經(jīng)網(wǎng)絡(luò)原理及實踐
知識點,神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)技巧
第十部份:搭建圖片搜索系統(tǒng),深入理解Triplet Loss 及其訓(xùn)練技巧
第十一部份:實踐:使用Tensorflow/Keras搭建神經(jīng)網(wǎng)絡(luò),進行圖像分類
階段4: 目標(biāo)檢測和LSTM標(biāo)注法
第十二部份: 目標(biāo)檢測算法
知識點:Fast RCNN , Faster RCNN, Yolo, SSD
第十三部份:LSTM 標(biāo)注學(xué)習(xí)
第十四部份:實踐:使用Tensorflow/Keras在數(shù)據(jù)集上進行目標(biāo)檢測