課程介紹
Python深度學習入門，介紹Opencv框架實戰，Pytorch技術在圖像分類和圖像識別方面的技術實戰，Yolo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，或理工科本科，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
通過實戰案例的講解，使學員了解Opencv和深度學習(Pytorch)的知識和技能。
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Pytorch環境
Window或linux環境下的準備工作）
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
計算機視覺部分
Opencv和python的整合
加載第一張照片
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
Mnist數據集識別實驗詳解
模型訓練
貓狗照片識別
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
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YoloV4框架
利用Pytorch實現Yolo的物體識別功能
實戰案例1：利用Yolo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：利用視覺框架制作車載疲勞駕駛檢測器
實戰案例4：結合deepsort框架實現基于視頻流的物體識別和物體計數跟蹤實戰
課程擴展 -- Pytorch中的OpenNMT
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，如何使用免費GPU資源
認證過程
無認證考試
開班信息
暫無開班信息