培训课时：3天

课程描述

计算机图像处理课程，旨在帮助从实战的角度对计算机视觉技术进行了全面的剖析，并结合实际案例分析和探讨计算机视觉技术的应用场景，给予计算机视觉技术培训相关从业人员进行指导和启迪；并且通过各个应用场景的实际经典项目案例，深入解读计算机视觉技术的图像处理技巧

培训收益：

掌握OpenCV的使用；

理解卷积神经网络；

掌握Tensorflow的使用；

掌握keras的使用；

通过各个应用场景的实际经典项目案例，深入解读计算机视觉技术的应用）

培训特色：

本次培训从实战的角度对计算机视觉技术进行了全面的剖析，并结合实际案例分析和探讨计算机视觉技术的应用场景，给计算机视觉技术相关从业人员以指导和启迪。

课程大纲：

第一天 

OpenCV使用

1.安装opencv

2.图像处理基础

3.图像运算和转换

4.图像平滑处理

5.图像梯度

6.图像边缘检测

7.图像金字塔

8.人脸检测和识别

卷积神经网络介绍

1.感受野，权值共享

2.卷积计算

3.卷积的步长

4.池化

5.Padding

6.MNIST网络结构介绍

第二天

Tensorflow使用

1.深度学习框架介绍

2.Tensorflow安装

3.Tensorlfow基础知识：图，变量，fetch，feed

4.Tensorflow线性回归

5.Tensorflow非线性回归

6.Mnist数据集合Softmax讲解

7.使用BP神经网络搭建手写数字识别

8.交叉熵(cross-entropy)讲解和使用

9.过拟合,正则化,Dropout

10.各种优化器Optimizer

11.改进手写数字识别网络

12.卷积神经网络CNN的介绍

13.使用CNN解决手写数字识别

keras使用

1.实现线性回归

2.实现非线性回归

3.MNIST数据集以及Softmax介绍

4.MNIST分类程序

5.交叉熵的应用

6.Dropout应用

7.正则化应用

8.优化器介绍及应用

9.CNN应用于手写数字识别

10.cifar-10图片分类

11.模型的保存和载入

12.绘制网络结构

第三天

验证码识别项目

1.多任务学习介绍

2.验证码识别项目

目标检测项目

1.目标检测任务介绍

2.RCNN/Fast-RCNN/Faster-RCNN算法介绍

3.YOLO算法介绍

4.SSD算法介绍

5.目标检测项目实战

目标分割项目

1.目标分割任务介绍

2.全卷积网络

3.双线性上采样

4.特征金字塔

5.Mask RCNN算法介绍

6.目标分割项目实战

图像风格迁移项目

1.图像风格迁移介绍

2.图像风格迁移项目实战

GAN项目

1.生成式对抗网络GAN介绍

2.生成式对抗网络GAN项目实战