課程介紹
Python深度學習入門，介紹Opencv框架實戰,Tensorflow技術在圖像分類和圖像識別方面的技術實戰,ObjectDetect模型的實戰應用,提升職業技能。
培訓對象
計算機相關專業專科本科在校生或理工本科，且至少熟悉一門編程語言。 Java 開發工程師、機器學習工程師、機器學習開發工程師、機器學習算法工程師、 數據科學家、人工智能工程師、人工智能應用工程師、人工智能應用開發工程師、應用架構高級工程師、人工智能產品經理。
課程收益
通過實戰案例，使學員了解Opencv和深度學習(Tensorflow)知識和技能。
知識概要
-- 初識深度學習；
-- 計算機視覺部分；
-- 視覺檢測類應用的實戰。
課程大綱
初識深度學習
概念與術語（人工智能、計算機視覺、深度學習）
Python環境安裝
什么是Opencv框架
如果準備TensorFlow環境
Window或linux環境下的準備工作
準備GPU
實現第一個神經網絡
詳解神經網絡的組成部分
向量化
值歸一化
處理缺失值
過擬合與欠擬合
權重正則化
Dropout使用
實現基于Keras的神經網絡搭建
計算機視覺部分
Opencv環境的安裝
激活基于Python的攝像頭數據源
構建一個CNN模型網絡
Conv2D
池化技術
非線性激活Relu
了解并學習什么是CNN中的filter
可視化Filter是什么
Mnist數據集識別實驗詳解
模型訓練
Kaggle數據競賽中的照片識別案例分享
利用遷移學習進行視覺數據分析
VGG模型介紹
InterceptionV3網絡介紹
ResNet介紹
模型權重的保存和加載
模型格式的轉換
使用遷移學習模型快速搭建高效神經網絡用于圖像分類
利用Flask框架搭建視覺模型的Web部署
視覺檢測類應用的實戰
安裝基于Tensorflow的ObjectDetect框架
利用Pytorch實現OD的物體識別功能
ImageLable工具的使用
實戰案例1：利用OD識別常見的物體
實戰案例2：訓練自定義數據集，識別自定義場景
實戰案例3: 利用OD模型快速實現人臉口罩檢測
實戰案例4：利用模型轉換器快速實現基于安卓的手機端程序的部署
課程擴展：多模型間的格式轉換中間件 ONNX
課程擴展：fast.ai 平臺介紹 如果使用免費GPU資源
課程擴展：SSD-MobileNet在邊緣計算中的應用
認證過程
無認證考試
開班信息
暫無開班信息