实现自己的Prisma（基于QT和OpenCV实现Android平台上基于AI的图像处理APP)

想了解更多课程，请看第一课综述。

课程目标：基于QT和OpenCV实现Android平台上基于AI的图像处理APP

课程提纲：
L1、课程综述和基本环境搭建。
   1、结果展示，学习课程预期收获
   2、学习本课，所需的基础知识
   3、课程概览，本课将如何教授？
   4、基础环境搭建：
   5、作者简介，我为什么适合讲这个课题

L2、QT/QML快速入门、信号和槽的机制
   1、QT/QML的能力（为什么选择QT编写商业APP?）
   2、工具和资源
   3、信号和槽
   4、Quick Controls2
   5、QT程序设计TIPs
L3、通过例子加深了解
   1、手写控件并且通过信号和槽连接（2）
   2、定位器和通用控件使用（3）
   3、实现计算器例子（3）（4）
   4、工程和配置经验（2）
L4、Control2搭建我们需要的界面
1、相关问题说明
2、declarative-camera例子解析
3、对现有例子进行修改
4、下一步将会添加能力

L5、StyleTransfer和OpenCV.DNN基本原理
1、风格迁移（StyleTransfer）基本原理和背景知识
2、风格迁移的具体操作
3、相关注意事项

L6、训练成功自己的StyleTransfer
1、现有的几种训练类型
2、FastStyleTransform环境搭建
3、FastStyleTransform调参技巧
4、目前我们得到的可用结果
5、关于训练的交流讨论

L7、GOPrisma系统融合和性能优化（A)
1、项目代码结构
2、算法的融合(QML和C++代码相互调用） 《（jsxyhelu整编）QML和C++混合编程》
3、算法多线程
4、重点知识回顾和小结

L8、GOPrisma系统融合和性能优化（B) 《GoPrisma中“风格选择”页面的实现》《QML中的定位问题》
1、界面总览
2、分模块设计
3、提高启动速度
4、图标等细节

L9、GOPrisma系统融合和性能优化（C)
1、分享Android上的图像处理结果（1）
2、分享Android上的图像处理结果（2）
3、全课程总结
4、下一步计划

在整个知识体系中，本例位置回顾，目前我的研究和下步相关实现内容。