计算机图像（视觉）处理课程

  课程天数：2天

  课程介绍

     本课程从理论到项目实战，层层深入学习，步步进阶。从实战的角度对计算机视觉技术进行了全面的剖析，并结合实际案例分析和探讨计算机视觉技术的应用场景，给计算机视觉技术相关从业人员以指导和启迪。

  课程收益

     掌握OpenCV的使用；

     理解卷积神经网络；

     掌握Tensorflow的使用；

     掌握keras的使用；

通过各个应用场景的实际经典项目案例，深入解读计算机视觉技术的应用。

  培训对象

     系统架构师、高级程序员、资深开发人员；

     人工智能工程师、图像设计人员、机器学习工程师；

     对图像处理感兴趣相关人员；

  课程大纲

第一单元：OpenCV使用

     安装opencv

     图像处理基础

     图像运算和转换

     图像平滑处理

     图像梯度

     图像边缘检测

     图像金字塔

     人脸检测和识别

第二单元：卷积神经网络介绍

     感受野，权值共享

     卷积计算

     卷积的步长

     池化

     Padding

     MNIST网络结构介绍

第三单元：Tensorflow使用

     深度学习框架介绍

     Tensorflow安装

     Tensorlfow基础知识：图，变量，fetch，feed

     Tensorflow线性回归

     Tensorflow非线性回归

     Mnist数据集合Softmax讲解

     使用BP神经网络搭建手写数字识别

     交叉熵(cross-entropy)讲解和使用

     过拟合,正则化,Dropout

     各种优化器Optimizer

     改进手写数字识别网络

     卷积神经网络CNN的介绍

     使用CNN解决手写数字识别

第四单元：keras使用

     实现线性回归

     实现非线性回归

     MNIST数据集以及Softmax介绍

     MNIST分类程序

     交叉熵的应用

     Dropout应用

     正则化应用

     优化器介绍及应用

     CNN应用于手写数字识别

     cifar-10图片分类

     模型的保存和载入

     绘制网络结构

第五单元：图像识别项目

     介绍Google图像识别模型Inception-v3

     使用Inception-v3做图像识别

     模式与模式识别

     图像匹配

     目标识别中的反馈机制

     图像识别的应用案例

第六单元：验证码识别项目

     多任务学习介绍

     验证码识别项目

第七单元：目标检测项目

     目标检测任务介绍

     RCNN/Fast-RCNN/Faster-RCNN算法介绍

     YOLO算法介绍

     SSD算法介绍

     目标检测项目实战

第八单元：目标分割项目

     目标分割任务介绍

     全卷积网络

     双线性上采样

     特征金字塔

     Mask RCNN算法介绍

     目标分割项目实战

第九单元：图像风格迁移项目

     图像风格迁移介绍

     图像风格迁移项目实战

第十单元：GAN项目

     生成式对抗网络GAN介绍

     生成式对抗网络GAN项目实战