从零开始学习python，巩固数学理论基础，掌握深度学习算法，3个月啃完人工智能核心技术。
下载App离线学习
（暂支持免费课程）
1、在校学生
人工智能、计算机、数学等相关专业的在读学生人群；
2、职场小白
已经步入职场，技能需要补充且自学吃力的职场人员；
3、转行人员
想从传统行业转型人工智能方向的从业人员；
4、企业管理者
企业内希望深入了解人工智能计算机视觉方向的团队管理者
学前基础
本门课程从零开始讲解，若学员有python语言及统计学基础则更容易上手
从零开始学习python，巩固数学理论基础，掌握深度学习算法，3个月啃完人工智能核心技术。
课时量：4周，每周 8-10 小时视频+跟视频操作时间
课程简介：本门课程是计算机视觉微专业课程中最重要，同时也是难度最大的部分，在这个课程中我们会综合前面课程学习到的python语言基础、OpenCV运用、数学理论知识及深度学习算法知识、TensorFlow及Keras应用，来完成计算机视觉领域中最前沿的技术应用。
课程大纲：
第一章 目标检测
1.0 本周课程介绍
1.1 1×1卷积介绍
1.2 空洞卷积介绍
1.3 转置卷积介绍
1.4 目标检测简单方法介绍
1.5 全卷积网络FCN介绍
1.6 交并比和mAP介绍
1.7 mAP的具体计算方法
1.8 非极大值抑制NMS
1.9 RCNN介绍
1.10 SPP-Net介绍
1.11 Fast-RCNN介绍
1.12 Faster-RCNN结构以及RPN网络介绍
1.13 Faster-RCNN代价函数分析
1.14 Faster-RCNN训练流程和结果分析
1.15 目标检测算法中的one-stage和two-stage
1.16 SSD结构介绍
1.17 SSD特征金字塔
1.18 SSD代价函数和Match策略
1.19 SSD-Hard negative mining and Data augmentation
1.20 SSD算法结果分析
1.21 YOLOv1结构及工作流程
1.22 YOLOv1代价函数讲解以及缺点分析
1.23 YOLOv2网络结构Darknet-19讲解
1.24 YOLOv2精度优化-高分辨率和anchor
1.25 YOLOv2精度优化-维度聚类
1.26 YOLOv2精度优化-直接位置预测
1.27 YOLOv2精度优化-细粒度特征和多尺度训练
1.28 YOLOv3结构讲解
1.29 YOLOv3先验框设置和代价函数修改
1.30 目标检测标注工具labelImg使用
1.31 Tensorflow object detection API准备工作
1.32 使用训练好的目标检测模型完成目标检测任务
1.33 训练自己的目标检测模型
2.1 目标检测作业布置
2.2 第一章课件（无本地版，移动端可缓存）PDF
3.1 目标检测作业答案
第二章 目标分割
2.0 本章节课程介绍
2.1 目标分割任务介绍
2.2 目标分割数据集介绍
2.3 FCN网络结构介绍
2.4 FCN的跳级连接
2.5 语义分割评价标准
2.6 FCN结果分析
2.7 Mask-RCNN结构介绍
2.8 ROIAlign和ROIPooling对比
2.9 Mask-RCNN代价函数讲解
2.10 目标分割软件Labelme使用介绍
2.11 使用训练好的Mask-RCNN进行目标分割
2.12 训练自己的图像分割模型
2.13 目标分割作业布置（本章无解答，以上课程上完可完成）
2.14 第四章课件（无本地版，移动端可缓存）
第三章 人脸识别
3.1 人脸识别具体做什么？
3.2 人脸识别算法介绍
3.3 人脸属性识别算法介绍
3.4 人脸识别案例演练
第四章 图像风格迁移
4.1 什么是“图像风格迁移”？
4.2 算法介绍
4.3 图像风格迁移案例演练
第五章 生成对抗网络GAN
5.1 什么是“生成对抗网络GAN”
5.2 算法介绍
5.3 生成手写数字案例演练
考核项目10：行人检测项目
考核项目11：目标分割项目
考核项目12：监测视频中的人脸识别应用
