计算机视觉与深度学习课程
1.
计算机视觉简介
1.1.
计算机视觉概念
1.2.
计算机视觉任务
2.
tensorflow入门
2.1.
TensorFlow和Keras简介
2.2.
快速入门模型
3.
深度神经网络
3.1.
神经网络简介
3.2.
常见的损失函数
3.3.
深度学习的优化方法
3.4.
深度学习的正则化
3.5.
神经网络案例
3.6.
卷积神经网络CNN
4.
图像分类
4.1.
图像分类简介
4.2.
AlexNet
4.3.
VGG
4.4.
GoogLeNet
4.5.
ResNet
4.6.
图像增强方法
4.7.
模型微调
5.
目标检测(Object Detection)
5.1.
目标检测概述
5.2.
R-CNN
5.3.
SPPNet
5.4.
Fast R-CNN
5.5.
Faster R-CNN
5.6.
Faster RCNN接口分析
5.7.
YOLO算法
5.8.
YOLOV2&V3
5.9.
SSD算法原理
5.10.
案例：KITTI人、车检测案例-数据集处理
5.11.
案例：KITTI人、车检测案例-训练、检测
6.
目标分割(Object Segmentation)
6.1.
目标分割介绍
6.2.
FCN
6.3.
SegNet与U-Net
6.4.
Mask RCNN
6.5.
Mask RCNN分割案例1
6.6.
Mask RCNN分割案例2
Published with GitBook
图像分类
图像分类任务的简介
经典的网络模型
AlexNet
VGG
GoogLeNet
ResNet
图像增强方法
模型微调