計算機視覺6天

  培訓講師：葉梓

講師背景：
葉梓老師葉梓，工學博士，高級工程師。現(xiàn)某大型上市企業(yè)資深技術專家。2005年上海交通大學計算機專業(yè)博士畢業(yè)，在校期間的主研方向為數(shù)據(jù)挖掘、機器學習、人工智能。畢業(yè)后即進入軟件行業(yè)從事信息化技術相關工作；負責或參與了多項、省市級人工智能及大數(shù) 詳細>>

葉梓
    課程咨詢電話：

計算機視覺6天詳細內容

計算機視覺6天

計算機視覺
提綱
第一天，實踐環(huán)境搭建
案例
1、課程簡介
2、CPU與GPU
3、Anaconda Python安裝
4、TensorFlow或TensorFlow-GPU的安裝
5、pytorch安裝
6、OpenCV環(huán)境安裝
第一天，計算機視覺基礎概述
案例
1、計算機視覺簡介
2、數(shù)字圖像的存儲
3、色彩空間
4、計算機視覺任務的目標分類
5、計算機視覺任務的難點
第一天，Python基本語法概述
案例
1、Python的基本語法
2、引入外部包
3、常用的數(shù)據(jù)結構
4、定義函數(shù)
5、Python中的面向對象編程
6、文件讀寫
7、訪問數(shù)據(jù)庫
第一天，CV領域的數(shù)據(jù)預處理-基礎
案例
1、數(shù)據(jù)清理
2、規(guī)范化
3、無標簽時：PCA
4、有標簽時：Fisher線性判別
5、數(shù)據(jù)壓縮（DFT、小波變換）
第二天，CV領域的數(shù)據(jù)預處理-進階
案例
1、對比度和亮度校正
2、平滑與銳化：初識卷積
3、HE、AHE與CLAHE
4、邊緣檢測與角點檢測
5、斑塊檢測
6、局部特征描述子
7、SIFT特征與SURF特征
8、ORB特征與HOG特征
第二天，機器學習基礎-決策樹
案例
熵減過程
貪心法
ID3與C4.5
決策樹剪枝
第二天，性能評價指標
案例
精確率；
P、R與F1
ROC與AUC
對數(shù)損失
泛化性能評價：k折驗證驗證
第二天，機器學習基礎-集成學習
案例
bagging與boosting
RF（隨機森林）
GBDT
Xgboost
LightGBM
CatBoost
第三天，深度學習基礎-神經網絡
案例
1、神經網絡的生物學源頭
2、人工神經元及感知機模型
3、前向（Feed Forward）神經網絡
4、神經網絡的權值
5、激勵函數(shù)：sigmoid、tanh等
6、損失函數(shù)
7、神經網絡的訓練：梯度下降法
8、手算神經網絡BP算法
9、誤差反向傳播算法詳解
第三天，機器學習進階-支持向量機
案例
“雙螺旋”問題
基本模型與懲罰項
求解對偶問題
核函數(shù)：映射到高維
從二分類到多分類
第三天，深度學習基礎-網絡的演化
案例
1、深度學習與神經網絡的區(qū)別與聯(lián)系
2、梯度消散問題分析
3、梯度消散解決方案（ReLU）
4、過擬合問題
5、Dropout、Batch Normalization
6、Weight Decay
7、權重的初始化
8、各種梯度下降的優(yōu)化方法
第四天，圖像分類領域的基礎模型
案例
1、圖像分類概述
2、AlexNet
3、卷積層的誤差反向傳播
4、池化層的誤差反向傳播
5、VGG（5層變?yōu)?組）
6、遷移學習
8、GoogLenet和Inception模塊
9、ResNet
第四天，圖像分類領域的新模型
案例
1、ResNext
2、DenseNet
3、EfficientNet
第四天，二階段目標檢測
案例
1、目標檢測問題
2、基于級聯(lián)分類器的人臉檢測
3、支持向量機（SVM）簡介
4、基于HOG+SVM的行人檢測
5、 R-CNN
6、Fast R-CNN
7、Faster R-CNN
第四天，二階段目標檢測
案例
YOLO V1
YOLO V2
YOLO V3
YOLO V4
YOLO V5
YOLO V6、V7
第五天，圖像分割
案例
1、基于特征點的圖像拼接
2、圖像分割概述
3、基于灰度的圖像分割
4、graph cut
5、grab cut與GMM
6、全卷積網絡（FCN）
7、上采樣的三種實現(xiàn)方式
8、膨脹卷積
9、DeepLab
10、結合CRF實現(xiàn)邊界分割的精細化
第五天，循環(huán)神經網絡初步
案例
1、基本的RNN
2、RNN的誤差反向傳播
3、LSTM單元
4、Bidirectional-LSTM
5、改進的單元GRU
第五天，圖像描述
案例
圖像描述的傳統(tǒng)解決方案
Seq2Seq模型詳解
Attention機制
show attention and tell模型詳解
圖像描述的評判標準
第五天，圖像檢索
案例
1、應用場景：以圖搜圖
2、基于顏色直方圖的檢索
3、基于紋理的檢索
4、基于形狀的檢索
5、KD-tree
6、基于卷積特征的編碼與檢索
7、LSH及其改進版本
第六天，圖像生成
案例
1、AE、VAE與DAE
2、對抗生成網絡（GAN）
3、GAN的訓練方式
4、DCGAN
5、WGAN
6、風格遷移
7、styleGAN與babyGAN等
第六天，人體姿態(tài)識別
案例
人體姿態(tài)識別的應用
早期人體姿態(tài)識別算法
DeepPose
OpenPose
AlphaPose
第六天，Transformer詳解
案例
所有你需要的僅僅是“注意力”
Transformer中的block
自注意力機制
多頭注意力
位置編碼（為什么可以拋棄RNN）
殘差結構與Layer Normalization
解碼器的構造
遮罩結構
Transformer代碼詳解
第六天，Transformer的CV領域應用
案例
iGPT
Vision Transformer（ViT）
BEiT
MAE令人驚奇的效果
MAE詳解
未來可期：MaskFeat、BEiT v2等

 

葉梓老師的其它課程

DeepSeek輔助日常工作培訓提綱一、引言介紹大模型領域的競爭態(tài)勢強調DeepSeek的獨特優(yōu)勢二、DeepSeek概述DeepSeek的發(fā)展背景與定位DeepSeek各版本的特點與區(qū)別三、DeepSeek部署本地單機部署DeepSeek蒸餾版的硬件要求本地單機部署DeepSeek（量化）滿血版的配置與性能本地單機多卡部署DeepSeek（量化）滿血版的策

 講師：葉梓詳情

知識圖譜的Python實現(xiàn)【課程簡介】本課程包含知識圖譜的基本概念及常用算法，并實現(xiàn)了一個基于知識圖譜的對話機器人。通過1天的系統(tǒng)學習、案例講解和動手實踐，讓學員能初步了解知識圖譜的的相關知識與技術?！菊n程對象】理工科本科以上，或至少了解一種編程語言。知識圖譜基礎知識圖譜存儲知識圖譜基礎概念知識推理本體推理方法本體推理工具語義搜索RDF與RDFSOWL與OW

 講師：葉梓詳情

智能醫(yī)療技術與ChatGPT臨床應用三日深度培訓第一天：人工智能基礎與Python編程入門上午：人工智能在醫(yī)療領域的應用概述Python編程基礎環(huán)境搭建、數(shù)據(jù)類型、流程控制Python環(huán)境搭建Python數(shù)據(jù)類型與流程控制Python函數(shù)的應用Python面向對象編程?文件讀寫和目錄操作異常處理機器學習概述數(shù)據(jù)探索性分析：智能化數(shù)據(jù)分析特征工程：數(shù)據(jù)準備、數(shù)

 講師：葉梓詳情

人工智能“最強模型”transformer詳解【課程簡介】Transformer是迄今為止人工智能領域的最新和最強大的模型類別之一。它幾乎正在憑借一己之力來推動深度學習的又一波重大進步。Transformer模型充分運用了稱為注意力和自注意力機制，以檢測系列（或圖像）中元素相互影響和相互依賴的微妙關系。本課程通過2天時間的詳細介紹，可使學習者初步了解Tran

 講師：葉梓詳情

||1.人工智能概述||第一節(jié)：人工智能與機器學習基礎|2.機器學習概述|||3.機器學習算法應用分析|||1.一元線性回歸|||2.代價函數(shù)|||3.梯度下降法||第二節(jié)：回歸算法|4.sklearn一元線性回歸應用|||5.多元線性回歸|||6.sklearn多元線性回歸應用|||案例：葡萄酒質量和時間的關系|||1.KNN分類算法介紹|||2.KNN分

 講師：葉梓詳情

人工智能技術詳解【課程內容】本課程包含大數(shù)據(jù)、機器學習、深度學習、知識圖譜、強化學習與深度強化學習的相關知識?！菊n程時長】7天（7小時/天）【課程對象】理工科本科及以上，且至少了解一門編程語言?！菊n程大綱】（培訓內容可根據(jù)客戶需求調整）時間內容案例實踐與練習Day1上午準備工作準備工作1.概念與術語2.Python（Anaconda）的安裝3.Pycharm

 講師：葉梓詳情

人工智能與深度學習第一天：人工智能概念與經典算法人工智能概念綜述（第一天——1）從一些術語辨析人工智能人工智能之連接主義的興衰史這次AI的熱潮是怎么來的？圖像處理領域的最新熱點（第一天——2）分類、目標檢測與實例分割風格遷移自動駕駛人體姿態(tài)識別超分辨率圖像生成語言處理領域的最新熱點（第一天——3）Attention機制自動構建知識圖譜看圖說話預訓練機制三大經

 講師：葉梓詳情

人工智能之最新自然語言處理技術與實戰(zhàn)課程介紹：自然語言處理(簡稱NLP)是計算機科學和人工智能研究的一個重要方向，研究計算機和理解和運用人類語言進行交互的問題，它是集語言學、機器學習、統(tǒng)計學、大數(shù)據(jù)于一體的綜合學科。本課程主要介紹了NLP中的常用知識點：分詞、詞法分析、句法分析、向量化方法、經典的NLP機器學習算法，還重點介紹了NLP中最近兩年來基于大規(guī)模語

 講師：葉梓詳情

第一天上午：統(tǒng)計分析原理從最簡單的案例開始統(tǒng)計基礎描述性統(tǒng)計用SPSS實現(xiàn)描述性統(tǒng)計的案例回歸分析：線性回歸回歸分析：logistics回歸用SPSS實現(xiàn)回歸分析的案例可視化工具第一天下午：數(shù)據(jù)庫與數(shù)據(jù)倉庫介紹數(shù)據(jù)庫概述SQL（基本的增、刪、改、查）SQL（稍復雜的子句或嵌套）基于MySQL的上機操作SQL語言數(shù)據(jù)倉庫：度量與維度數(shù)據(jù)倉庫：星型模型、雪花模型

 講師：葉梓詳情

計算機視覺【課程時長】3天（7小時/天）【課程對象】理工科本科及以上，且至少了解一門編程語言?！菊n程大綱】（培訓內容可根據(jù)客戶需求調整）時間內容案例實踐與練習Day1上午準備工作準備工作決策樹準備工作（1）概念與術語Python（Anaconda）的安裝Pycharm的安裝與使用JupyterNotebook的安裝與使用Tensorflow與pytorch的

 講師：葉梓詳情

COPYRIGT @ 2001-2018 HTTP://www.musicmediasoft.com INC. ALL RIGHTS RESERVED. 管理資源網 版權所有