课程收益：

课程中通过细致讲解，使学员掌握该技术的本质。具体收益包括：

1.掌握OpenCV的使用；

2.理解卷积神经网络；

3.掌握Tensorflow的使用；

4.掌握keras的使用；

5.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。

培训特色：

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。

课程大纲：

第一天 上午

一、OpenCV使用

1.安装opencv

2.图像处理基础

3.图像运算和变换

4.图像直方图处理

5.图像平滑处理

6.图像阈值与分割处理

7.图像梯度与边缘检测

8.图像轮廓检测

9.人脸检测和识别      

第一天 下午

二、卷积神经网络介绍

1.CNN架构

2.卷积计算

3.卷积的步长与填充

4.池化层的原理

5.MNIST数据集介绍

6.卷积与池化的实现

7.CNN的可视化实现     

第二天 上午

三、Tensorflow使用

1.深度学习框架介绍

2.Tensorflow安装

3.Tensorlfow基础知识

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.常见的CNN图像分类模型

13.使用CNN解决手写数字识别

14.Tensorflow高级抽象库   

第二天  下午

四、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  上午

五、图像识别项目

1.介绍Google图像识别模型Inception-v3

2.使用Inception-v3做图像识别

（一）猫狗分类项目

1.图像数据预处理

2.猫狗分类-简单CNN

3.猫狗分类-VGG16-bottleneck

4.猫狗分类-VGG16-Finetune     

（二）验证码识别项目

1.多任务学习介绍

2.验证码识别项目      

第三天 下午

六、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    

（一）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     

（二）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    

（三）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   

王老师

计算机博士，深入理解传统的计算机视觉方法与目前主流的深度学习算法，在图像识别、目标检测、图像分割、OCR、人脸识别等方向均进行了丰富的项目实战。熟练使用OpenCV、Tensorflow、Keras等工具。具备丰富的数据挖掘经验，熟悉大数据下的ETL与模型搭建，曾独立负责美团用户信用分评估、敏感身份挖掘、京东金融APP多个模块推荐算法搭建等项目。

覃老师

上海大学物理学硕士，创业公司合伙人，技术总监。机器学习，深度学习领域多年一线开发研究经验，精通算法原理与编程实践。曾使用Tensorflow，Caffe，Keras等深度学习框架完成过多项图像，语音，nlp，搜索相关的人工智能实际项目，研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验，讲课通熟易懂，代码风格简洁清晰。