基于深度学习的计算机视觉
累计咨询人数
3174
免费咨询送福利！
扫码并添加二维码，就可安排获得硅谷导师免费10分钟咨询
价值$100的留学咨询+$200的求职咨询
同时，您还有机会获得更多福利（免费简历修改，在线项目旁听，名企内推直推）
适用人群
本项目针对感兴趣学习深度学习、神经网络训练、自动驾驶领域的学员，可以帮助学员提升项目背景，为未来相关领域求学、职业发展提升竞争力
项目简介
计算机视觉的应用无处不在。从iPhone人脸识别，到无人超市商品分类，甚至于自动驾驶的车辆追踪，肺部X光照片自动诊断，计算机视觉都是最为重要的一环。
在近10年间，计算机视觉技术的发展和深度学习的崛起紧密相连。在2012年，深度卷积神经网络AlexNet以极大的优势夺得ImageNet图像分类大赛冠军。自此，深度学习开始横扫计算机视觉的各类任务，基于深度学习的计算机视觉也成为了学界、业界公认的发展方向
课题开展流程
(1)开题准备：
项目要求学生了解基本的机器学习概念（至少学过一门机器学习入门课程），有较为熟练的Python编程基础，并且有基本的数学基础（微积分、线性代数以及概率统计）
(2)项目实施：
项目内容主要包括： 机器学习基础概念回顾与进阶；基于Pytorch的深度学习；卷积神经网络；卷积神经网络在图像分类、特征点检测和目标检测的应用；深度学习科研方法论。总时长为12周，每周有约3小时的授课，加上约3小时的课后练习。课程可选搭配一个8-10小时的结业项目
(3)结题成果：
项目结题时，学生能够熟练掌握用深度学习的方法完成一系列计算机视觉任务，深入理解深度学习和计算机视觉的核心理论知识，能动手从无到有搭建一个深度学习系统，并具备一定的深度学习科研能力；对于留学申请会有相关背景的大幅度提升，同时也为北美求职打下坚实的基石；会有斯坦福导师提供的项目结业证书以及推荐信
项目大纲
  • 专题内容
  • 项目考察
  • 授课时长
  • 学习时间
  • 机器学习基本概念回顾：有监督学习、优化、正则化、调参、常用机器学习模型等
  • 小测 + 代码练习
  • 2 hours
  • 3 hours
  • Numpy + Pytorch 入门
  • 代码练习
  • 2 hours
  • 3 hours
  • 卷积神经网络：卷积、填充、池化、经典卷积神经网络设计
  • 小测 + 代码练习
  • 2 hours
  • 3 hours
  • 机器学习进阶概念：归一化、dropout、迁移学习等
  • 小测 + 代码练习
  • 1 hour
  • 2 hours
  • 目标检测入门（包含特征点检测）
  • 理论材料学习
  • 1 hour
  • 2 hours
  • 目标检测进阶：FPNs, Yolov3, CenterNet
  • 理论材料学习
  • 1 hour
  • 3 hours
  • 深度学习科研方法论：如何阅读论文，如何追踪最新科研动向
  • 理论材料学习
  • 1 hour
  • 2 hours
  • 结业项目（可选）：基于Pytorch搭建一个目标检测模型
  • 综合练习+深度学习网络搭建
  • 2 hours
  • 8 hours