• 学习时长

    4周/建议每周4个小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

深度神经网络给计算机视觉、语音识别、自然语言处理等领域带来了突破性的进展,在人脸识别、语音识别、机器翻译等应用的准确率达到了接近甚至超过人类的水平。深度神经网络最重要的是表示学习的能力,具备表示学习能力的原因主要在于:深度层次处理、特征空间变换。这是其思想精髓,为后续新的机器学习范式的提出具有指导意义。

这些思想精髓是如何一步一步地通过数学模型以及算法实现的呢,该课程将为您揭晓。课程在详细讲述深度学习理论的同时,通过目标识别这一任务,熟悉深度学习模型解决实际问题的流程,掌握深度学习训练以及实战中的技巧。

 

课程讲师

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。

深度神经网络给计算机视觉、语音识别、自然语言处理等领域带来了突破性的进展,在人脸识别、语音识别、机器翻译等应用的准确率达到了接近甚至超过人类的水平。深度神经网络最重要的是表示学习的能力,具备表示学习能力的原因主要在于:深度层次处理、特征空间变换。这是其思想精髓,为后续新的机器学习范式的提出具有指导意义。

这些思想精髓是如何一步一步地通过数学模型以及算法实现的呢,该课程将为您揭晓。课程在详细讲述深度学习理论的同时,通过目标识别这一任务,熟悉深度学习模型解决实际问题的流程,掌握深度学习训练以及实战中的技巧。

 

课程讲师

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。

  • 第1章: 课程基础
  • 第1节: 图像处理概述与基础
  • 任务1-1: 【课件】预习-1. 数字图像概论与基础.pdf
  • 任务1-2: 【视频】数字图像概论与基础
  • 第2节: BP神经网络算法
  • 任务2: 【视频】BP算法
  • 第2章: 深度学习理论
  • 第1节: 前馈神经网络
  • 任务3-1: 【课件】前反馈神经网络.pdf
  • 任务3-2: 【直播】前反馈神经网络 回放
  • 第2节: 卷积神经网络(上)
  • 任务4-1: 【课件】卷积神经网络(上).pdf
  • 任务4-2: 【直播】卷积神经网络(上) 回放
  • 第3节: 卷积神经网络(下)
  • 任务5-1: 【课件】卷积神经网络(下).pdf
  • 任务5-2: 【直播】卷积神经网络(下) 回放
  • 第3章: Pytorch框架
  • 第1节: Pytorch框架:介绍、重要组建与搭建
  • 任务6-1: 【课件】Pytorch框架介绍.pdf
  • 任务6-2: 【视频】Pytorch框架介绍 回放
  • 任务6-3: 【代码】code.zip
  • 第4章: 实践:基于深度网络的目标识别
  • 第1节: 目标识别背景与方法介绍
  • 任务7-1: 【课件】目标识别方法介绍.pdf
  • 任务7-2: 【直播】目标识别方法介绍 回放
  • 任务7-3: 【资料】课前实践配置准备.pdf
  • 任务7-4: 【代码】faster-rcnn.pytorch-master.zip
  • 第2节: Faster RCNN理论与代码详解
  • 任务8-1: 【课件】Faster RCNN理论与代码详解
  • 任务8-2: 【直播】Faster RCNN Pytorch代码详解 回放
  • 第7章: 深度学习数学基础讲义
  • 任务11-1: Chapter1绪论-2019 v1.pdf
  • 任务11-2: Chapter3矩阵论-2019 v1.pdf
  • 任务11-3: Chapter5概率统计-2019 v1.pdf
  • 任务11-4: Chapter6信息论-2019 v1.pdf

 

相关推荐

计算机视觉 计算机视觉 环境感知 基础
计算机视觉 计算机视觉 进阶
计算机视觉 计算机视觉 环境感知 进阶