猫与狗分类项目实战之模型的构建与训练
本课程多面深入讲解CNN卷积神经网络在计算机视觉中应用。课程中的每一个知识点都由老师手写详细讲解,并代码实战,力求让学习者学习CNN全部知识。并深入讲解复杂图片分类项目、自编码与图片去噪项目、迁移学习项目、物体识别项目、人脸识别项目、风格转换项目等。使学习者能够在学习深度学习前沿知识的同时多面学习CNN在业界的应用,并把所学项目知识应用到工业界解决实际问题。
讲师介绍
周北,腾英科技创始人兼董事长,University of Sydney研究生,同时具有Master of data science & Master of Information Technology Management技术领域与管理领域双学位,人工智能领域资深技术专业人士,上海企觉科技有限公司首席技术顾问,擅长机器学习、深度学习、Python、Java等技术领域。
学习目标:
1. 学习CNN卷积神经网络架构
2. 深入理解CNN内容结构
(1)卷积层
(2)池化层(MaxPooling, AveragePooling, GlobalAveragePooling)
3. 熟练应用卷积神经网络分类大规模复杂图片
4. 学习迁移学习的原理与项目实战
5. 深入理解高级卷积神经网络知识
(1)反卷积(Deconvolution)
(2)上采样(UpSampling)
6. 学习自编码原理与项目实战
7. 学习图片去噪项目
8. 多面学习物体识别技术
(1)图片中的物体识别
(2)识别中的物体识别
9. 自己动手实现人脸识别系统
(1)定位面部位置
(2)识别面部特征
(3)面部编码详解
(4)构建人脸识别系统
10. 学习风格转换项目
(1)风格转换详解
(2)Keras Backend 详解
(3)卷积核的可视化
(4)风格转换项目实战
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲