课程简介
图像识别与深度学习
目标收益
培训对象
课程大纲
| 第一节：Python Package与TensorFlow综合应用 |
Numpy/Scipy/Pandas/Matplotlib/Seaborn库 Numpy索引 Numpy数学运算与常用分布 Pandas数据处理与分析 Pandas文件读写和个性化控制 Pandas的concat与merge Matplotlib 基本图结构介绍 基于Matplotlib绘制散点图、柱状图、等高线图、3D图等 多图合并与图片文件存取 Seaborn/PyEcharts等包的使用 scikit-learn的介绍和典型使用 TensorFlow经典应用 多元高斯分布 典型图像处理 多种数学曲线 多项式拟合 |
| 代码和案例实践 |
快速傅里叶变换FFT与信号处理 Soble/Prewitt/Laplacian算子与卷积网络 卷积与(指数)移动平均线 股票数据分析 缺失数据的处理和预测 环境数据异常检测和分析 快速傅里叶变换FFT 图像处理与奇异值分解SVD |
| 第二节：基于skimage和OpenCV的图像处理 |
Skimage和OpenCV的简介与安装 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 |
| 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 |
| 第三节：回归分析 |
线性回归 Logistic/Softmax回归 广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头 最大熵模型 K-L散度 |
| 代码和案例实践 |
股票数据的特征提取和应用 泰坦尼克号乘客缺失数据处理和存活率预测 环境检测数据异常分析和预测 模糊数据查询和数据校正方法 PCA与鸢尾花数据分类 二手车数据特征选择与算法模型比较 广告投入与销售额回归分析 鸢尾花数据集的分类 TensorFlow实现线性回归 TensorFlow实现Logistic回归 |
| 第四节：决策树、随机森林、SVM |
熵、联合熵、条件熵、KL散度、互信息 最大似然估计与最大熵模型 ID3、C4.5、CART详解 决策树的正则化 预剪枝和后剪枝 Bagging 不平衡数据集的处理 利用随机森林做特征选择 使用随机森林计算样本相似度 线性可分支持向量机 软间隔 损失函数的理解 核函数的原理和选择 SMO算法 支持向量回归SVR 多分类SVM |
| 代码和案例实践 |
随机森林与特征选择 决策树应用于回归 多标记的决策树回归 决策树和随机森林的可视化 葡萄酒数据集的决策树/随机森林分类 泰坦尼克乘客存活率估计 葡萄酒数据分类 数字图像的手写体识别 MNIST手写体识别 SVR用于时间序列曲线预测 SVM、Logistic回归、随机森林三者的横向比较 |
| 第五节：卷积神经网络CNN |
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 |
| 第六节：图像视频的定位与识别 |
视频关键帧处理 物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet |
| 代码和案例实践 |
迁移学习 人脸检测 OCR字体定位和识别 睿客识云 气象识别 |
| 第七节：循环神经网络RNN |
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 视频理解 藏头诗生成 问答对话系统 OCR 循环神经网络调参经验分享 |
| 第八节：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 | 代码和案例实践 |
|
第一节：Python Package与TensorFlow综合应用 Numpy/Scipy/Pandas/Matplotlib/Seaborn库 Numpy索引 Numpy数学运算与常用分布 Pandas数据处理与分析 Pandas文件读写和个性化控制 Pandas的concat与merge Matplotlib 基本图结构介绍 基于Matplotlib绘制散点图、柱状图、等高线图、3D图等 多图合并与图片文件存取 Seaborn/PyEcharts等包的使用 scikit-learn的介绍和典型使用 TensorFlow经典应用 多元高斯分布 典型图像处理 多种数学曲线 多项式拟合 |
|
代码和案例实践 快速傅里叶变换FFT与信号处理 Soble/Prewitt/Laplacian算子与卷积网络 卷积与(指数)移动平均线 股票数据分析 缺失数据的处理和预测 环境数据异常检测和分析 快速傅里叶变换FFT 图像处理与奇异值分解SVD |
|
第二节：基于skimage和OpenCV的图像处理 Skimage和OpenCV的简介与安装 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 |
|
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 |
|
第三节：回归分析 线性回归 Logistic/Softmax回归 广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头 最大熵模型 K-L散度 |
|
代码和案例实践 股票数据的特征提取和应用 泰坦尼克号乘客缺失数据处理和存活率预测 环境检测数据异常分析和预测 模糊数据查询和数据校正方法 PCA与鸢尾花数据分类 二手车数据特征选择与算法模型比较 广告投入与销售额回归分析 鸢尾花数据集的分类 TensorFlow实现线性回归 TensorFlow实现Logistic回归 |
|
第四节：决策树、随机森林、SVM 熵、联合熵、条件熵、KL散度、互信息 最大似然估计与最大熵模型 ID3、C4.5、CART详解 决策树的正则化 预剪枝和后剪枝 Bagging 不平衡数据集的处理 利用随机森林做特征选择 使用随机森林计算样本相似度 线性可分支持向量机 软间隔 损失函数的理解 核函数的原理和选择 SMO算法 支持向量回归SVR 多分类SVM |
|
代码和案例实践 随机森林与特征选择 决策树应用于回归 多标记的决策树回归 决策树和随机森林的可视化 葡萄酒数据集的决策树/随机森林分类 泰坦尼克乘客存活率估计 葡萄酒数据分类 数字图像的手写体识别 MNIST手写体识别 SVR用于时间序列曲线预测 SVM、Logistic回归、随机森林三者的横向比较 |
|
第五节：卷积神经网络CNN 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 |
|
第六节：图像视频的定位与识别 视频关键帧处理 物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet |
|
代码和案例实践 迁移学习 人脸检测 OCR字体定位和识别 睿客识云 气象识别 |
|
第七节：循环神经网络RNN 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 视频理解 藏头诗生成 问答对话系统 OCR 循环神经网络调参经验分享 |
|
第八节：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 代码和案例实践 |
近期公开课推荐
