欧美乱大交av_美女视频黄免费看_国产情久久久久久一区二区三_国产av一区二区久久_欧美日韩av久久久_久久精品国产亚洲av久试看 _日韩高清影院_大陆国产av

第一講 課程概述
1、計(jì)算機(jī)視覺的研究意義
2、計(jì)算機(jī)視覺的難點(diǎn)
3、當(dāng)前研究的主要熱點(diǎn)問題（分類、目標(biāo)檢測(cè)、實(shí)例分割、圖說等）
4、本課程的主要內(nèi)容介紹
5、相關(guān)開源庫介紹（OpenCV、Tensorflow、Keras、pyTorch等）
6、應(yīng)用案例：搭建tensorflow+opencv的環(huán)境

第二講 圖像預(yù)處理
1、圖像平滑與去噪（高斯濾波、中值濾波等）
2、基于直方圖的對(duì)比度增強(qiáng):CLAHE
3、邊緣檢測(cè)算子（Sobel、拉普拉斯等）
4、形態(tài)學(xué)處理（腐蝕、膨脹、開閉運(yùn)算等）
5、高斯金字塔與拉普拉斯金字塔
6、頻域分析及變換（卷積計(jì)算、傅里葉變換、小波變換）
7、應(yīng)用案例：平滑、邊緣檢測(cè)、CLAHE、FFT等

第三講 圖像特征提取
1、顏色特征（量化直方圖、聚類直方圖）
2、幾何特征（Edge、Corner、Blob等）
3、Harris角點(diǎn)與FAST角點(diǎn)
4、基于關(guān)鍵點(diǎn)的特征描述子（SIFT、SURF、ORB）
5、其他特征提?。↙BP、Gabor）
6、應(yīng)用案例：SIFT、圖像拼接等

第四講 未有深度學(xué)習(xí)之前
1、基于灰度的圖像分割（閾值分割、區(qū)域生長(zhǎng)、分水嶺等）
2、基于圖論：graph-cut與grab-cut
3、用于人臉檢測(cè)的Haar-like特征與級(jí)聯(lián)分類器
4、用于行人檢測(cè)的HOG+SVM
5、用于行人檢測(cè)的多尺度形變部件模型（DPM）
6、應(yīng)用案例：人臉識(shí)別、行人識(shí)別

第五講 神經(jīng)網(wǎng)絡(luò)與誤差反向傳播算法
1、人工神經(jīng)元及感知機(jī)模型
2、目標(biāo)函數(shù)（MSE）
3、激勵(lì)函數(shù)（sigmoid、tanh）
4、誤差反向傳播算法的推導(dǎo)
5、應(yīng)用案例：可以手算的BP神經(jīng)網(wǎng)絡(luò)
6、深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系

第六講 深度學(xué)習(xí)基礎(chǔ)
1、深度學(xué)習(xí)中的目標(biāo)函數(shù)與激勵(lì)函數(shù)
2、深度學(xué)習(xí)中的求解方法（Adagrad、RMSprop、Adam等）
3、深度學(xué)習(xí)中的技巧（dropout、BN、weights decay等）
4、應(yīng)用案例：利用tensorflow實(shí)現(xiàn)的手寫數(shù)字識(shí)別
5、卷積神經(jīng)網(wǎng)絡(luò)介紹
6、卷積層的誤差反向傳播
7、池化層的誤差反向傳播

第七講 圖像分類
1、競(jìng)賽中的分類問題
2、CNN的發(fā)展概述
3、開山之作：AlexNet
4、5層變?yōu)?組：VGG
5、組合所有可能的模型：GoogLeNet
6、殘差網(wǎng)絡(luò)：ResNet
7、深與寬之外的改進(jìn)方向：ResNext
6、應(yīng)用案例：VGG、ResNet

第八講 圖像檢索
1、檢索特征（基于顏色，紋理，形狀，局部特征）
2、特征相似度度量（EMD）
3、建立基于深度學(xué)習(xí)的檢索索引
4、知識(shí)點(diǎn)：遷移學(xué)習(xí)的一種實(shí)現(xiàn)（fine-tune）
5、索引加速：KD-tree
6、大數(shù)據(jù)條件下的索引加速：Locality Sensitive Hash
7、應(yīng)用案例：CBIR的應(yīng)用

第九講 目標(biāo)檢測(cè)（上）
1、目標(biāo)檢測(cè)任務(wù)概述
2、區(qū)域卷積神經(jīng)網(wǎng)絡(luò)：R-CNN
3、共享卷積層與多尺度：SPP-Net
4、多任務(wù)的目標(biāo)函數(shù)：Fast R-CNN
5、SS改成RPN：Faster R-CNN
6、其他數(shù)據(jù)集介紹：行人檢測(cè)、人臉檢測(cè)
7、應(yīng)用案例：Faster R-CNN

第十講 目標(biāo)檢測(cè)（下）
1、之前方法的總結(jié)
2、ROI-wise子網(wǎng)繼續(xù)共享：R-FCN
3、回歸解決一切：YOLO v1
4、八大改進(jìn)：YOLO v2
5、構(gòu)建語義樹：YOLO 9000
6、多尺度預(yù)測(cè)：YOLO v3
7、應(yīng)用案例：Darknet實(shí)現(xiàn)的YOLO

第十一講 通用場(chǎng)景下的圖像分割
1、語義分割
2、全卷積網(wǎng)絡(luò)語義分割：FCN
3、知識(shí)點(diǎn)：反卷積、轉(zhuǎn)置卷積與空洞（膨脹）卷積
4、DeepLab v1（含CRF）
5、DeepLab v2（多尺度）
6、DeepLab v3與v3+(多尺度級(jí)聯(lián))
7、PASCAL VOC、MS COCO、Cityscapes等數(shù)據(jù)集介紹
8、應(yīng)用案例：DeepLab、denseCRF

第十二講 醫(yī)療影像分割
1、醫(yī)學(xué)影像分析任務(wù)概述與數(shù)據(jù)集
2、U-Net
3、3D U-NET與V-Net
4、FC-DenseNet
5、病理切片分析任務(wù)概述與數(shù)據(jù)集
6、病理切片分析的實(shí)現(xiàn)
7、應(yīng)用案例：利用U-Net實(shí)現(xiàn)的器官分割

第十三講 圖像描述（圖說）
1、深度學(xué)習(xí)的語言模型（RNN）
2、知識(shí)點(diǎn)介紹；LSTM與GRU
3、圖說模型原理與結(jié)構(gòu)
4、模型增強(qiáng)：注意力機(jī)制
5、圖說效果的評(píng)判標(biāo)準(zhǔn)
6、數(shù)據(jù)集介紹（MS COCO， Flickr等）
7、應(yīng)用案例：RNN簡(jiǎn)單示例，圖像描述：show and Tell

第十四講 圖像生成
1、變分自編碼器（VAE）
2、生成對(duì)抗網(wǎng)絡(luò)（GAN）
3、知識(shí)點(diǎn)：KL散度與JS散度
4、改進(jìn)的GAN：DCGAN
5、從根本上解決訓(xùn)練的困難：Wasserstein GAN
6、超分辨率問題：SRGAN
7、應(yīng)用案例：GAN與DCGAN等