您现在的位置：首页 > 企业内训 > 人工智能 > 《深度学习与图像处理》

《深度学习与图像处理》

2022-04-27 09:19:59　|　来源：中培企业IT培训网

一、培训简述
强调动手操作：内容以代码落地为主，以理论讲解为根。课程讲解机器学习和深度学习的模型理论和代码实践，梳理机器学习、深度学习、计算机视觉的技术框架，从根本上解决如何使用模型、优化模型的问题。

二、培训特色
通过课程学习，可以理解机器学习和深度学习的思维方式和关键技术；了解深度学习和机器学习在当前工业界的落地应用；能够根据数据分布选择合适的算法模型并书写代码，初步胜任使用Python进行数据挖掘、机器学习、深度学习等工作。
课程重视代码实践，使用金融、气象、农业、交通、安防等工业界实际数据（数据已脱敏）进行机器学习和深度学习的模型落地应用，将实际工作中遇到的行业应用和痛点做最直观切实的展示；重视算法模型的同时，更强调实际问题中应该如何模型选择、特征选择和调参。

三、培训时长
共计5天，每天6课时

四、培训大纲

《深度学习与图像处理》
预备知识	Python数据分析解释器Python3.7与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/pandas的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用典型图像处理多种数学曲线多项式拟合快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络代码和案例实践：卷积与(指数)移动平均线股票数据分析缺失数据的处理环境数据异常检测和分析
第一节	卷积神经网络：神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet 代码和案例实践：数字图片分类卷积核与特征提取以图搜图人证合一卷积神经网络调参经验分享
第二节	卷积神经网络高级应用、迁移学习：使用迁移学习实现蒙古文识别 Keras的使用获取中间隐层的特征及可视化隐层特征的意义和使用迁移学习的trick 学习率、衰减、冻结等问题代码和案例实践：猫狗大战详解海量蒙古文识别隐特征可视化及其应用
第三节	OpenCV图像处理 Skimage/OpenCV来源、简介与安装将视频转换为图像序列图像可视化与几何作图 HSV、RGB与图像颜色空间的转换图像增强与(局部)直方图均衡化给予边缘和区域的图像分割 gamma矫正和对数矫正亮度区域检测与前景提取图像边缘检测/特征提取与图像算子 Gabor/Laplace/Prewitt/Roberts Scharr/Sobel/Niblack/Wiener 图像形态学：开/闭/凸包/膨胀/腐蚀双边滤波器/小波降噪/wiener滤波角点检：Harris，Shi-Tomasi SIFT、SURF算法视频分析：Meanshift 和 Camshift 算法代码和案例实践：不同算子下的图像卷积图像边缘检测与提取前景分割与图像融合 regional maxima检测与应用 HAAR/HOG/LBP等特征应用视频前景背景分析与异物检测图像形态学与海报生成的应用光流跟踪与车辆跟踪
第四节	图像分割与定位视频关键帧处理卷积的位置不变形与图像定位的关系物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLOv4、SSD UNet及其与残差网络的结合 FaceNet与特征 EfficientNet、EfficientDet 代码和案例实践：人脸检测 OCR字体定位和识别睿客识云气象识别
第五节	生成对抗网络GAN 生成与判别生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN 代码和案例实践：图片生成看图说话对抗生成神经网络调参经验分享
第六节	视频分类模型实例视频帧的目标定位 YOLOv4、SSD 时空卷积网络 SlowFast 代码和案例实践：视频分类的trick 政务大厅视频监控的真实系统
第七节	RNN循环神经网络 RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构编码器与解码器结构特征提取：word2vec Seq2seq模型代码和案例实践：看图说话藏头诗生成问答对话系统 OCR 循环神经网络调参经验分享

（注：大纲还可根据需求进行调整）

标签： Python数据分析 TensorFlow典型应用卷积神经网络 OpenCV图像处理

上一篇：人工智能技术课程图像处理（NLP）
下一篇：华为云计算培训

《深度学习与图像处理》
预备知识	Python数据分析解释器Python3.7与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/pandas的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用典型图像处理多种数学曲线多项式拟合快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络代码和案例实践：卷积与(指数)移动平均线股票数据分析缺失数据的处理环境数据异常检测和分析
第一节	卷积神经网络：神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet 代码和案例实践：数字图片分类卷积核与特征提取以图搜图人证合一卷积神经网络调参经验分享
第二节	卷积神经网络高级应用、迁移学习：使用迁移学习实现蒙古文识别 Keras的使用获取中间隐层的特征及可视化隐层特征的意义和使用迁移学习的trick 学习率、衰减、冻结等问题代码和案例实践：猫狗大战详解海量蒙古文识别隐特征可视化及其应用
第三节	OpenCV图像处理 Skimage/OpenCV来源、简介与安装将视频转换为图像序列图像可视化与几何作图 HSV、RGB与图像颜色空间的转换图像增强与(局部)直方图均衡化给予边缘和区域的图像分割 gamma矫正和对数矫正亮度区域检测与前景提取图像边缘检测/特征提取与图像算子 Gabor/Laplace/Prewitt/Roberts Scharr/Sobel/Niblack/Wiener 图像形态学：开/闭/凸包/膨胀/腐蚀双边滤波器/小波降噪/wiener滤波角点检：Harris，Shi-Tomasi SIFT、SURF算法视频分析：Meanshift 和 Camshift 算法代码和案例实践：不同算子下的图像卷积图像边缘检测与提取前景分割与图像融合 regional maxima检测与应用 HAAR/HOG/LBP等特征应用视频前景背景分析与异物检测图像形态学与海报生成的应用光流跟踪与车辆跟踪
第四节	图像分割与定位视频关键帧处理卷积的位置不变形与图像定位的关系物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLOv4、SSD UNet及其与残差网络的结合 FaceNet与特征 EfficientNet、EfficientDet 代码和案例实践：人脸检测 OCR字体定位和识别睿客识云气象识别
第五节	生成对抗网络GAN 生成与判别生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN 代码和案例实践：图片生成看图说话对抗生成神经网络调参经验分享
第六节	视频分类模型实例视频帧的目标定位 YOLOv4、SSD 时空卷积网络 SlowFast 代码和案例实践：视频分类的trick 政务大厅视频监控的真实系统
第七节	RNN循环神经网络 RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构编码器与解码器结构特征提取：word2vec Seq2seq模型代码和案例实践：看图说话藏头诗生成问答对话系统 OCR 循环神经网络调参经验分享

热门课程推荐

《深度学习与图像处理》

相关阅读

预约领优惠