学习和学习基于深度学习的计算机视觉技术

*   01 课程介绍/

  *   01 课程内容及特色

*   02 深度学习基础/

  *   01 深度学习发展简史

  *   02 神经网络基本知识

  *   03 神经网络训练：训练流程、损失函数、优化目标、梯度下降

  *   04 神经网络训练：反向传播算法、计算图

  *   05 神经网络训练：梯度下降训练策略

  *   06 梯度下降各种优化算法

  *   07 卷积神经网络：网络架构

  *   08 卷积神经网络：卷积层

  *   09 卷积神经网络：激活函数层

  *   10 卷积神经网络：池化、批归一化、全连接层

  *   11 LeNet-5

  *   12 卷积神经网络实践技巧：数据增强、数据预处理

  *   13 卷积神经网络实践技巧：参数初始化、超参数设定、过拟合与避免

  *   14 卷积神经网络实践技巧：网络正则化方法

  *   15 实践篇：开发环境搭建

  *   16 实践篇：Keras与Tensorflow框架介绍

  *   17 实践篇：项目案例-MNIST手写数字识别

*   03 图像分类/

  *   01 任务、数据集、网络模型演进

  *   02 AlexNet

  *   03 VGGNet

  *   04 NiN(Network in Network)

  *   05 GoogLeNet

  *   06 BN_Inception

  *   07 InceptionV2, InceptionV3

  *   08 ResNet

  *   09 InceptionV4,Inception-ResNet

  *   10 ResNeXt

  *   11 DenseNet

  *   12 SqueezeNet

  *   13 Xception

  *   14 MobileNetV1

  *   15 MobileNetV2

  *   16 MobileNetV3

  *   17 ShuffleNetV1

  *   18 ShuffleNetV2

  *   19 GhostNet

  *   20 实践篇：基于VGGNet的迁移学习实现餐具数据集上的图像分类

*   04 目标检测/

  *   01 任务、数据集

  *   02 性能指标

  *   03 网络模型演进

  *   04 R-CNN

  *   05 SPP-net

  *   06 Fast R-CNN

  *   07 Faster R-CNN

  *   08 R-FCN

  *   09 YOLOv1

  *   10 YOLOv2

  *   11 YOLOv3

  *   12 SSD

  *   13 DSSD

  *   14 RetinaNet

  *   15 实践篇：项目案例-使用RetinaNet进行目标检测

  *   16 实践篇：项目案例-使用YOLOv3进行目标检测

  *   17 YOLOv4

  *   18 YOLOX（2021）

*   05 图像分割/

  *   01 语义分割-任务、数据集、网络模型演进

  *   02 语义分割-上采样方法：去池化、反卷积

  *   03 语义分割-上采样方法：膨胀卷积

  *   04 语义分割-FCN

  *   05 语义分割-DeconvNet

  *   06 语义分割-SegNet

  *   07 语义分割-U-Net

  *   08 语义分割-DeepLabV1

  *   09 语义分割-DeepLabV2

  *   10 语义分割-DeepLabV3_V3plus

  *   11 语义分割 - RefineNet

  *   12 语义分割 - PSPNet

  *   13 语义分割 - GCN

  *   14 实例分割-Mask R-CNN

  *   15 实时实例分割-YOLACT

  *   16 实时实例分割-YOLACT++

  *   17 全景分割-任务、数据集、评价指标

  *   18 全景分割-Panoptic FPN

  *   19 实践篇：项目案例-使用Mask R-CNN进行实例分割