你能学到什么?
本课程以理论加实践的方式,带你完全掌握深度学习图像分类任务。
图像分类是计算机视觉领域里最基础的问题,要解决的就是给定一个图像,正确给出该图像所属的类别。如何做好图像分类任务,关系到大家能否正确顺利地入门、如何学习接下来更加高阶的内容。
不过图像分类问题看起来简单,但也有较高难度的内容,其中细粒度分类,半监督与无监督图像分类,零样本分类问题是属于非常前沿的内容,值得掌握。为了帮助大家系统性解决所有图像分类领域知识的学习,我们推出了《深度学习之图像分类-理论实践篇》专栏课程。
课程的主体部分已经更新完毕,本课程结合实际项目,将所学理论应用于实践。
本课程内容包括图像分类的各个领域的算法与实践,时长超过10个小时,分为3大模块,5个实践案例。包括图像分类的理论知识和实践内容,内容详细,案例丰富,下面是当前课程的大纲脑图:
(1) 理论部分内容包括:涵盖了深度学习图像分类各个方向的理论知识,如图像分类基础、多类别图像分类理论、细粒度图像分类理论、多标签图像分类理论、半监督与无监督图像分类、零样本图像分类等,既有足够的广度,也具备足够的深度。我们会非常详细地讲解理论中的细节知识,帮助大家学懂学会;(2) 实践非常丰富:本次课程中一共已经包含了5个实践案例,分别为从零完成人脸表情识别案例实践、简单图像分类数据增强实战、鸟类动物细粒度分类实战、生活用品多标签图像分类实战、基于血红细胞的图像分类竞赛技巧,通过这些实战案例可以彻底掌握图像分类任务的实战技巧
3大模块分为基础内容,进阶内容,以及拓展内容。
(1) 基础内容包括图像分类基础,多类别图像分类理论与实战,数据增强实战等。
(2) 进阶内容包括细粒度图像分类理论与实战,多标签图像分类理论与实战。
(3) 拓展内容包括半监督与无监督,零样本图像分类理论,图像分类竞赛实战。
下面简单了解一下课程各部分的大体内容:(0) 课程简介,包括图像分类课程介绍。
(1) 图像分类基础,包括图像分类基本概念,经典数据集,评估指标,优化目标,约45分钟,本小节内容可以免费收听。
(2) 多类别图像分类理论,包括基本概念,多类别分类经典模型,多类别分类经典难题,约45分钟,本小节内容可以免费收听。
(3) 从零完成人脸表情识别实践,包括项目背景,数据处理与读取,模型搭建与训练,模型测试,约62分钟,本小节内容可以免费收听。
(4) 简单图像分类数据增强,包括接口介绍,实验比较,约30分钟,本小节内容可以免费收听。
(5) 细粒度图像分类理论,包括基本概念,弱监督模型,强监督模型,约30分钟。
(6) 鸟类细粒度图像分类实战,包括项目简介,数据读取,模型搭建与训练,约30分钟。
(7) 多标签图像分类理论,包括多标签图像分类问题以及相应的解决方案,约20分钟。
(8) 生活用品多标签图像分类实战,包括内容简介,数据读取及标签构建,模型搭建及训练,约130分钟。
(9) 半监督与无监督分类理论,包括基本概念,有监督分类模型与无监督分类模型,约30分钟。
(10) 零样本分类理论,包括零样本分类基本概念与相关模型,约15分钟。
(11) 血红细胞图像分类竞赛,包括内容简介,思路分析,数据集的统计分析,网络模型构建,模型训练,学习率调整,标签平滑,知识蒸馏,投票策略,TTA策略,约120分钟。
(12) 不定期直播答疑,课程配套有直播答疑,目前已经有3次直播,会讲解拓展内容以及进行课程内容答疑。
本课程适合人群:(1) 所有学习人工智能/深度学习算法,并有志于从事该领域的人员。
(2) 掌握了Python,深度学习基础概念等预备知识的技术人员。
(3) 学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握:
(1) 图像分类各领域的主流算法。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
(4) 了解计算机视觉竞赛工程技巧。
本课程讲师包括言有三与郭冰洋,其中言有三讲解主要内容,郭冰洋讲解2个实战,包括多标签图像分类实战与血红细胞图像分类竞赛实战。
言有三,技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012),中国科学院半导体研究所神经网络实验室(2012-2015),先后就职于奇虎360人工智能研究院(2015.7-2017.5),陌陌科技深度学习实验室(2017.5-2019.3),深度学习算法专家,阿里云MVP,华为云MVP。拥有超过7年的计算机视觉从业经验,拥有丰富的传统图像算法和深度学习计算机视觉项目经验,著有书籍《深度学习之图像识别:核心技术与案例实战》(机械工业出版社2019.4),《深度学习之模型设计:核心算法与案例实践》(电子工业出版社2020.6),《深度学习之人脸图像处理:核心算法与案例实战》(机械工业出版社2020.7),《深度学习之摄影图像处理:核心算法与案例精粹》(人民邮电出版社2021.4),《生成对抗网络GAN:原理与实践》(机械工业出版社2022.10),拥有10余项发明技术专利与学术论文。
擅长领域:Caffe,Tensorflow,Pytorch等主流深度学习平台。神经网络与深度学习理论,深度学习模型设计与优化,计算机视觉的基础领域,AI美学,2D与3D人脸算法,生成对抗网络GAN等领域。
郭冰洋,技术社区《有三AI》专栏作者,课程讲师,目前于东北大学软件学院攻读博士学位。主要研究领域为图像分割、缺陷检测、弱监督学习、小样本学习等。
常见问题FAQ
- 如何下单?如何下载?
- ->> 点击查看 自助下单,自动发货,下单后,页面会自动刷新,显示百度网盘地址
- 如何查看下单后的内容?
- 在线网盘 点击查看详情 下单后内容一样
- 本站不议价 !
- 本站不议价,不支持无理由退换,看清楚再下单
- 更多常见问题?
- ->> 点击查看