课程简介

A02.计算机视觉与深度学习

用深度学习的方法解决一些计算机视觉问题。

什么是深度学习?什么是神经网络?神经网络都有哪些结构?能够完成计算机视觉中的什么任务? 本课程将从基本的线性分类器、全连接神经网络、卷积神经网络开始,步入深度学习的世界。 探究如何利用他们解决分类、分割、检测问题。 同时,也将讲到网络的可视化的方法。除了常用的判别模型,我们也会讲到生成模型, 比如VAE、GAN等的模型结构、论文解读和应用。

课程资源

若Github链接打不开,请使用Gitee或蓝奏云入口下载资源

Github:  [课件]   [作业]

Gitee:  [课件]   [作业]

蓝奏云:  [课件]   [作业(敬请期待)]  [课件打包]  

任务点 摘要 资料下载
01.课程引言 计算机视觉与深度学习 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
02.分类任务与线性分类器 图像分类任务,线性分类器,损失函数与多类支撑向量机损失,优化算法,数据集划分与数据预处理 [课件1(Github)] [课件2(Github)] [课件1(Gitee)] [课件2(Gitee)] [课件1(蓝奏)] [课件2(蓝奏)]
03.全连接神经网络 全连接神经网络,交叉熵损失,梯度反向传递,动量法、自适应梯度与Adam,全连接神经网络设计指南,权值初始化,批归一化,过拟合与Dropout,超参数优化 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
04.卷积、图像去噪、边缘提取、纹理表示 卷积、图像去噪、边缘提取Canny算子、纹理表示等 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
05.卷积神经网络 卷积神经网络的结构、操作、样本增强方法等 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
06.经典网络分析 AlexNet,ZFNet,VGG,GoogleNet,ResNet [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
07.图像分割与目标检测 语义分割任务、语义分割思路方法、目标检测任务、目标检测思路方法 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
08.网络可视化 神经网络的可视化与理解 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
09.生成模型 GAN、VAE、GAN经典论文分析 [课件(Github)] [课件(Gitee)] [课件(蓝奏)]
作业 该课程作业待发布,请稍候…… [作业(Github)] [作业(Gitee)]
书籍推荐 1. Deep Learning (花书)by Ian Goodfellow/Yoshua Bengio,人民邮电出版社,2017
2. Python深度学习(Deep Learning with Python),François Chollet, 张亮译,人民邮电出版社,2018
3. 深度学习与计算机视觉:算法原理、框架应用与代码实现,机械工业出版社,2017