深度学习基于Heatmap特征的目标识别与位置回归视频课程

让学员能够联合使用Opencv和Tensorflow,完成深度学习案例开发。1、通过Heatmap特征的讲解,认识其原理,并通过Opencv设计自己的样本标注工具。2、通过实际问题设计loss_function,并使用迁移学习的思想构建网络模型,训练模型。3、通...

4080人学习

中级8课时2018/02/20更新

二维码下载学堂APP缓存视频离线看

李翔
  • 课程介绍
  • 课程大纲

适合人群:

想从事深度学习相关工作的或是对于人工智能、深度学习感兴趣人,想将深度学习技术引入项目或是产品中。

你将会学到:

让学员能够联合使用Opencv和Tensorflow,完成深度学习案例开发。1、通过Heatmap特征的讲解,认识其原理,并通过Opencv设计自己的样本标注工具。2、通过实际问题设计loss_function,并使用迁移学习的思想构建网络模型,训练模型。3、通过两个示例实现目标识别及其定位回归。

课程简介:

本课程主要基于Heatmap特征的目标识别及其目标定位及回归,系统平台基于windows10,使用软件平台包括vs2013和Anacond、Tensorflow-1.4.0、Opencv2410、Opencv-python

仔细讲解、分析,带领大家理解Heatmap特征,借鉴Openpose的相关迁移学习相关思想,实现自己的网络模型(该模型同时具有识别和定位回归的功能)。

通过Opencv设计一个关于Heatmap的标注工具,让学员可以轻松的制作自己的heatmap特征的标注数据集,提供工程源码,供给学员研究和拓展。

另外透彻讲解基于Heatmap特征的模型构造,及其loss_function设计,一步步代理大家使用Tensorflow进行模型编写及训练,最后通过两个示例将训练好的模型进行人的头部和眼睛的识别和位置定位回归。


具体:

第一章:

1.1 课程内容简介

第二章

2.1Heatmap特征分析

2.2 基于Heatmap特征的样本制作

第三章:

3.1 制作tfrecords样本数据集

3.2 构建网络模型

3.3 训练网络模型(包括网络模型的2次训练,即在已有模型的基础上进行再次训练)

第四章:

4.1 目标识别及定位示例--人脸识别及定位。

4.2 目标识别及定位示例--人眼识别及定位。

资料中不提供image_panel画图软件

展开更多

课程大纲-深度学习基于Heatmap特征的目标识别与位置回归视频课程

在线
客服
APP
下载

下载Android客户端

下载iphone 客户端

官方
微信

关注官方微信

返回
顶部