《深度学习与图像处理》培训方案

日期：2021-10-14 00:00:00 浏览：148次作者：小编

培训简述
实践导向：本课程以代码实操为核心，辅以理论根基，深入浅出地展开机器学习和深度学习的教学。课程内容融合了模型理论的详细讲解与代码实践的生动演示，系统性地梳理了机器学习、深度学习及计算机视觉的技术架构。旨在从本质上解答如何高效运用模型、精准优化模型的关键问题。

培训特色
通过本课程的学习，您将深入掌握机器学习与深度学习的核心思维及关键技术，洞察它们在当代工业界中的广泛应用。课程将引导您学会依据数据分布特点，精心挑选合适的算法模型，并熟练编写代码，从而初步具备利用Python进行数据挖掘、机器学习及深度学习等复杂任务的能力。

本课程尤其注重代码实践，运用金融、气象、农业、交通、安防等领域的真实脱敏数据，实现机器学习和深度学习模型的实战应用。通过这种方式，课程直观地展现了实际工作中面临的行业应用挑战和痛点，确保理论与实践的高度结合。在强调算法模型重要性的同时，课程更加强调在面对实际如何进行精准的模型选择、特征筛选与参数调优，以实现最佳解决方案。

日程安排

《深度学习与图像处理》
预备知识	Python数据分析解释器Python3.7与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/pandas的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用典型图像处理多种数学曲线多项式拟合快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络代码和案例实践：卷积与(指数)移动平均线股票数据分析缺失数据的处理环境数据异常检测和分析
第一节	卷积神经网络：神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet 代码和案例实践：数字图片分类卷积核与特征提取以图搜图人证合一卷积神经网络调参经验分享
第二节	卷积神经网络高级应用、迁移学习：使用迁移学习实现蒙古文识别 Keras的使用获取中间隐层的特征及可视化隐层特征的意义和使用迁移学习的trick 学习率、衰减、冻结等问题代码和案例实践：猫狗大战详解海量蒙古文识别隐特征可视化及其应用
第三节	OpenCV图像处理 Skimage/OpenCV来源、简介与安装将视频转换为图像序列图像可视化与几何作图 HSV、RGB与图像颜色空间的转换图像增强与(局部)直方图均衡化给予边缘和区域的图像分割 gamma矫正和对数矫正亮度区域检测与前景提取图像边缘检测/特征提取与图像算子 Gabor/Laplace/Prewitt/Roberts Scharr/Sobel/Niblack/Wiener 图像形态学：开/闭/凸包/膨胀/腐蚀双边滤波器/小波降噪/wiener滤波角点检：Harris，Shi-Tomasi SIFT、SURF算法视频分析：Meanshift 和 Camshift 算法代码和案例实践：不同算子下的图像卷积图像边缘检测与提取前景分割与图像融合 regional maxima检测与应用 HAAR/HOG/LBP等特征应用视频前景背景分析与异物检测图像形态学与海报生成的应用光流跟踪与车辆跟踪
第四节	图像分割与定位视频关键帧处理卷积的位置不变形与图像定位的关系物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLOv4、SSD UNet及其与残差网络的结合 FaceNet与特征 EfficientNet、EfficientDet 代码和案例实践：人脸检测 OCR字体定位和识别睿客识云气象识别
第五节	生成对抗网络GAN 生成与判别生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN 代码和案例实践：图片生成看图说话对抗生成神经网络调参经验分享
第六节	视频分类模型实例视频帧的目标定位 YOLOv4、SSD 时空卷积网络 SlowFast 代码和案例实践：视频分类的trick 政务大厅视频监控的真实系统
第七节	RNN循环神经网络 RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构编码器与解码器结构特征提取：word2vec Seq2seq模型代码和案例实践：看图说话藏头诗生成问答对话系统 OCR 循环神经网络调参经验分享

（注：大纲还可根据需求进行调整）

企业内训1

标签： Python数据分析 Keras的使用 RNN循环神经网络生成对抗网络GAN DenseNet OpenCV图像处理 AlexNet VGGNet

上篇： 没有上一篇了

下篇： AI大模型全栈工程师培训方案

《深度学习与图像处理》
预备知识	Python数据分析解释器Python3.7与IDE：Anaconda/Pycharm 列表/元组/字典/类/文件 numpy/scipy/matplotlib/pandas的介绍和典型使用 scikit-learn的介绍和典型使用 TensorFlow典型应用典型图像处理多种数学曲线多项式拟合快速傅里叶变换FFT 奇异值分解SVD Soble/Prewitt/Laplacian算子与卷积网络代码和案例实践：卷积与(指数)移动平均线股票数据分析缺失数据的处理环境数据异常检测和分析
第一节	卷积神经网络：神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet 代码和案例实践：数字图片分类卷积核与特征提取以图搜图人证合一卷积神经网络调参经验分享
第二节	卷积神经网络高级应用、迁移学习：使用迁移学习实现蒙古文识别 Keras的使用获取中间隐层的特征及可视化隐层特征的意义和使用迁移学习的trick 学习率、衰减、冻结等问题代码和案例实践：猫狗大战详解海量蒙古文识别隐特征可视化及其应用
第三节	OpenCV图像处理 Skimage/OpenCV来源、简介与安装将视频转换为图像序列图像可视化与几何作图 HSV、RGB与图像颜色空间的转换图像增强与(局部)直方图均衡化给予边缘和区域的图像分割 gamma矫正和对数矫正亮度区域检测与前景提取图像边缘检测/特征提取与图像算子 Gabor/Laplace/Prewitt/Roberts Scharr/Sobel/Niblack/Wiener 图像形态学：开/闭/凸包/膨胀/腐蚀双边滤波器/小波降噪/wiener滤波角点检：Harris，Shi-Tomasi SIFT、SURF算法视频分析：Meanshift 和 Camshift 算法代码和案例实践：不同算子下的图像卷积图像边缘检测与提取前景分割与图像融合 regional maxima检测与应用 HAAR/HOG/LBP等特征应用视频前景背景分析与异物检测图像形态学与海报生成的应用光流跟踪与车辆跟踪
第四节	图像分割与定位视频关键帧处理卷积的位置不变形与图像定位的关系物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLOv4、SSD UNet及其与残差网络的结合 FaceNet与特征 EfficientNet、EfficientDet 代码和案例实践：人脸检测 OCR字体定位和识别睿客识云气象识别
第五节	生成对抗网络GAN 生成与判别生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN 代码和案例实践：图片生成看图说话对抗生成神经网络调参经验分享
第六节	视频分类模型实例视频帧的目标定位 YOLOv4、SSD 时空卷积网络 SlowFast 代码和案例实践：视频分类的trick 政务大厅视频监控的真实系统
第七节	RNN循环神经网络 RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构编码器与解码器结构特征提取：word2vec Seq2seq模型代码和案例实践：看图说话藏头诗生成问答对话系统 OCR 循环神经网络调参经验分享