卷积神经网络:从欧氏空间到非欧空间
卷积神经网络:从欧氏空间到非欧空间
  • 学习有效期
  • 学习人数
  • 永久有效
  • 106
  • 承诺服务
  • 课程满意度
课程价格 ¥399.00

VIP专享价

0.00

开通会员享限时特惠 >>
课程介绍

卷积神经网络(CNN)是提供了一个处理欧氏空间数据的有效且高效框架,进入21世纪,随着深度学习理论的提出和数值计算设备的改进,CNN得到了快速发展,并被大量应用于计算机视觉、自然语言处理等领域。目前在图像分类、目标检测等主要的计算机视觉任务中,CNN是最主流的方法。


欧氏空间数据最显著的特征:有规则的空间结构

尽管卷积神经网络取得了很大的成功,但它还不能很好地处理非欧空间的数据,如交通网络上的交通流数据,关系数据在社交网络上,分子活性数据等等。近几年,图卷积神经网络(GCN)陆续在非欧空间数据中得到应用,成为研究热点。
迄今为止,系统讲解扩展卷积、图神经网络的资料,少之又少。为了让大家更快入门,深蓝学院推出卷积神经网络(
进阶版课程,主要讲述常见的卷积神经网络模型、卷积的扩展、图卷积神经网络三部分。

 

作业提交

提交时间:每节课程授课后,即可提交作业,每周末讲师和助教均会为大家及时批改,并反馈给大家。

提交形式:每节作业务必保存成一个压缩包,命名为“深蓝学院用户名+真实姓名+CNN+第几节作业”,以邮件附件或百度网盘链接的形式发送,请勿以onedrive链接等需要科学上网才能下载的形式发送,否则作业不予统计!

提交邮箱:shenlancollege@163.com

 

讲师简介

宫博,算法工程师,中科院自动化所博士。在计算机视觉与人工智能领域具有六年的研究经历,攻读博士期间,主要研究方向是模式识别与图像处理,曾在模式识别领域内国际主流期刊发表论文,参加某知名互联网公司举办的图像分割竞赛,获得第四名的成绩。

常建龙,中科院自动化所模式识别国家重点实验室博士生,主要研究方向为深度图网络、深度无监督学习和多智能体强化学习,目前以第一作者在PAMI,NIPS,ICCV (Oral) 等顶级期刊会议发表学术论文多篇。

课程大纲

第一章  卷积神经网络
    1.1 基本概念
    1.2 发展历程
    1.3 网络特点
    1.4 网络设置
    1.5 网络训练以及相关应用
第二章  卷积的扩展
    2.1 传统卷积
        2.1.1 卷积的定义与实现
        2.1.2 常见的卷积网络模型(LeNet、AlexNet、VGGNet、GoogleNet、ResNet)
    2.2 传统卷积的扩展
        2.2.1 可分离卷积
        2.2.2 活性卷积
        2.2.3 可变形卷积
        2.2.4 结构感知卷积
    2.3 不同卷积的特点
        2.3.1 执行性能
        2.3.2 运行效率
    2.4 基于Keras的实践
第三章  基于图的卷积网络
    3.1 图卷积网络的定义
        3.1.1 谱域图卷积定义
        3.1.2 空域图卷积定义
    3.2 图卷积网络的实现
        3.2.1 谱域图卷积实现
        3.2.2 空域图卷积实现
    3.3 图卷积网络应用
        3.3.1 图像分类
        3.3.2 车流量预测
        3.3.3 分子活性预测
    3.4 图卷积网络展望
        3.4.1 计算机视觉数据
        3.4.2 社交网络数据
        3.4.3 生物网络数据
        3.4.4 三维点云数据
    3.5 图卷积网络的基本库
        3.5.1 graph_nets
        3.5.2 DGL
        3.5.3 PyTorch Geometric
 

报名方式

课程限报200人,服务包括:在线授课、答疑、作业批改、优秀学员评选。

添加工作人员微信(欣然:shenlan-xinran),咨询详情。

 

优秀学员

1. 课程学习结束,根据每次作业的分数,评选优秀学员;

2. 优秀学员获得深蓝学院颁发的证书。

3. 优秀学员可推荐至企业实习或者就业。

适合人群
  • 具备大学数学基础知识,掌握基本的图像处理知识,熟悉Python编程

授课教师

算法工程师
博士

关于课程

开课时间

2019年4月20日-5月12日,共8次课程

 

学习方式

1、课程的课件、代码及其它学习资料将于课前更新,便于课前预习;课程视频可以随时看回放; 

2、每一讲均布置作业,由讲师和助教批改并公布作业完成情况;

3、如需缓存视频,可下载深蓝学院安卓版APP或IOS版APP;

4、请同学们留出 1-3 个小时左右的时间,吸收课程知识。

 

课程答疑

报名课程后将加入微信答疑群,正式开课期间及结课两个月后,均可以与助教在答疑群直接沟通。