課程目標(biāo)：
通過本次深度學(xué)習(xí)培訓(xùn)，學(xué)員能夠理解深度學(xué)習(xí)在圖像處理方面的原理，優(yōu)勢;掌握主流深度學(xué)習(xí)框架、環(huán)境的搭建及部署;理解如何使用CNN神經(jīng)網(wǎng)絡(luò)處理圖像，包括樣本的標(biāo)注，選取，訓(xùn)練過程;理解主流語義圖像處理網(wǎng)絡(luò)的原理并學(xué)會如何改善性能指標(biāo)
課程大綱：
1.深度學(xué)習(xí)理論基礎(chǔ)
神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
神經(jīng)網(wǎng)絡(luò)基本運(yùn)算單元
CNN卷積神經(jīng)網(wǎng)絡(luò)
CNN圖像處理的原理
Python及常用深度學(xué)習(xí)python庫
Linux深度學(xué)習(xí)環(huán)境搭建
GPU加速深度學(xué)習(xí)原理
主流深度學(xué)習(xí)框架及操作(caffe + tensorflow)
2.主流深度學(xué)習(xí)網(wǎng)絡(luò)
MNIST卷積網(wǎng)絡(luò)
Cifar-10卷積網(wǎng)絡(luò)
Alexnet卷積網(wǎng)絡(luò)
RNN及LTSM網(wǎng)絡(luò)
基本CNN網(wǎng)絡(luò)的訓(xùn)練
3.語義圖像識別
語義圖像識別原理
傳統(tǒng)算法與深度算法
樣本標(biāo)注
樣本選取的技巧
樣本處理原則
4.主流語義識別網(wǎng)絡(luò)
RCNN神經(jīng)網(wǎng)絡(luò)
Fast-RCNN神經(jīng)網(wǎng)絡(luò)
FCN全卷積網(wǎng)絡(luò)與圖像識別
訓(xùn)練過程與過擬合
模型與網(wǎng)絡(luò)參數(shù)的優(yōu)化
合作伙伴與授權(quán)機(jī)構(gòu)
總部李老師
