课程目录

•   课时 1 1-1人类视觉系统 可试学
•   课时 2 1-2计算机视觉 可试学
•   课时 3 1-3计算机视觉常见任务
•   课时 4 1-4计算机视觉发展过程
•   课时 5 1-5计算机视觉行业应用
•   课时 6 1-6 基础开发环境搭建
•   课时 7 2.1.1数值类型
•   课时 8 2.1.2字符串
•   课时 9 2.1.3布尔类型
•   课时 10 2.1.4数值精度
•   课时 11 2.1.5类型转换
•   课时 12 2.2变量对象
•   课时 13 2.3.1从数组、列表创建张量
•   课时 14 2.3.2全0或全1张量
•   课时 15 2.3.3已知分布张量
•   课时 16 2.4.1索引
•   课时 17 2.4.2切片
•   课时 18 2.5.1改变视图
•   课时 19 2.5.2改变维度
•   课时 20 2.6.1四则运算
•   课时 21 2.6.2指数和对数运算
•   课时 22 2.6.3矩阵相乘
•   课时 23 2.7自动求导
•   课时 24 2.8.1TensorBoard简介
•   课时 25 2.8.2TensorBoard用法
•   课时 26 2.9.1数据集加载
•   课时 27 2.9.2数据预处理
•   课时 28 3.1图像基础
•   课时 29 3.2.1图像编码
•   课时 30 3.2.2图像解码
•   课时 31 3.3.1 图像缩放
•   课时 32 3.3.2 图像翻转
•   课时 33 3.3.3 图像旋转
•   课时 34 3.3.4图像色彩调整
•   课时 35 3.3.5图像数据增强
•   课时 36 4.1.1神经元模型
•   课时 37 4.1.2感知机
•   课时 38 4.1.3激活函数
•   课时 39 4.1.4参数初始化
•   课时 40 4.1.5 tf.keras神经网络模型构建
•   课时 41 4.2.1前向传播
•   课时 42 4.2.2损失函数
•   课时 43 4.2.3反向传播
•   课时 44 4.2.4梯度下降算法
•   课时 45 4.2.5梯度下降优化算法
•   课时 46 4.2.6 Epoch、Batch size、Iterations
•   课时 47 4.3.1正则化
•   课时 48 4.3.2 Dropout
•   课时 49 4.3.3批归一化
•   课时 50 4.3.4提前停止训练
•   课时 51 5.1.1全连接神经网络处理图像的不足
•   课时 52 5.1.2卷积神经网络的解决办法
•   课时 53 5.2.1卷积计算
•   课时 54 5.2.2填充（padding）
•   课时 55 5.2.3步长（stride）
•   课时 56 5.2.4多通道卷积
•   课时 57 5.2.5多卷积核卷积
•   课时 58 5.2.6 tf.keras卷积实现
•   课时 59 5.3.1池化操作
•   课时 60 5.3.2tf.keras池化操作实现
•   课时 61 5.4卷积神经网络基本结构
•   课时 62 5.5LeNet-5网络构建
•   课时 63 5.6常见卷积神经网络模型
•   课时 64 6.1图像分类
•   课时 65 6.2.1数据加载
•   课时 66 6.2.2图像预处理
•   课时 67 6.2.3自定义网络
•   课时 68 6.2.4编译模型
•   课时 69 6.2.5训练模型
•   课时 70 6.2.6可视化训练结果
•   课时 71 6.2.7数据增强
•   课时 72 6.3迁移学习
•   课时 73 6.4.1实例化InceptionV3
•   课时 74 6.4.2为模型添加新的层
•   课时 75 6.4.3 编译模型
•   课时 76 6.4.4 训练模型
•   课时 77 6.5Tensor_hub
•   课时 78 6.6.1下载数据
•   课时 79 6.6.2创建数据集
•   课时 80 6.6.3使数据适应模型
•   课时 81 6.6.4建立模型
•   课时 82 6.6.5训练与评估
•   课时 83 7.1目标检测
•   课时 84 7.2目标检测常用数据集和标注工具
•   课时 85 7.3.1边界框
•   课时 86 7.3.2数据表示
•   课时 87 7.3.3效果评估
•   课时 88 7.4.1R_CNN系列
•   课时 89 7.4.2YOLO系列
•   课时 90 7.5.1MTCNN工作原理
•   课时 91 7.5.2FaceNet
•   课时 92 7.5.3人脸检测实践
•   课时 93 7.6.1YOLOv3模型结构和工作流程
•   课时 94 7.6.2YOLOv3应用实践
•   课时 95 7.6.3YOLOv3核心功能代码
•   课时 96 7.6.4采用YOLOv3源码实现目标检测

学习资料

暂无学习资料