上海计算机图像(视觉)处理

导读 计算机图像(视觉)处理,本次培训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。欢迎大家了解详情。
400-688-0112 125
IT类 大数据 网络信息与安全

课程详情

2020-04-02

计算机图像视觉处理

精益原则提供了一种特有的思维方式和做事方式。这些原则适用于每个企业和每个流程/过程。这不是一个短期的成本削减计划,而是一个公司的运作方式。它所能实现的结果是:一套新的流程,这套流程会占用更小的空间,更少的资本,更少的时间;以更低的成本,交付更少缺陷的产品和服务。企业可以利用员工的智慧和努力,通过提供多品类,高质量,快速产出的交付来应对不断变化的客户需求。

上海计算机图像(视觉)处理

一、 招生对象:

需要了解文本分析NLP技术的相关人员

二、 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。

三、知识概要:

OpenCV使用、卷积神经网络介绍、Tensorflow使用、keras使用、验证码识别项目、目标检测项目、目标分割项目、图像风格迁移项目、GAN项目。

课程内容


模块

学习内容

*天

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

卷积神经网络介绍

1.感受野,权值共享

2.卷积计算

3.卷积的步长

4.池化

5.Padding

6.MNIST网络结构介绍

Tensorflow使用

1.深度学习框架介绍

2.Tensorflow安装

3.Tensorlfow基础知识:图,变量,fetch,feed

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

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

验证码识别项目

1.多任务学习介绍

2.验证码识别项目

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

上一篇: 上海VMware虚拟化技术实战小班 下一篇: 上海机器学习与深度学习实战

推荐课程

查看全部课程
上海甫崎教育

上海甫崎教育

静安校区

查看全部校区 进入官方主页