端到端(End TO End)--由传统方法到深度学习(第三期) 端到端(End TO End)--由传统方法到深度学习(第三期)
所属分类:人工智能
  课程名 : 端到端(End TO End)--由传统方法到深度学习(第三期)【招生中】 总学费/人 : ¥400 (固定学费:¥100, 逆向学费:¥300) 开课时间 : 2019-12-25 09:00:00 
开课老师 : jsxyhelu


课程简介:

完整多图提纲请下载:链接:https://pan.baidu.com/s/10dBeW0tK5KGpAm5g7yn-mA  提取码:cezn


OpenCV每周下载量超过200万次,是世界上最流行的开源计算机视觉库。它实现了2500多种优化算法,适用于所有主要的操作系统,有多种语言可供选择,并且免费用于商业用途。从3.3版本开始,OpenCV就已经开始逐步添加并丰富Dnn模块;时至今日,它已经成为CPU上最快的推理引擎之一。


随着近些年来人工智能(AI)技术的不断发展,计算机视觉技术(CV)也呈现出新的趋势。我们常说“一图顶千言”,也就是说一幅图像中,往往包含了大量的信息。试想一幅512X512的彩色Lena图片,就包含有512*512*3的像素信息;再加上现在高清高速摄像的加持、以及视觉系统在生活方方面面的广泛使用;人手一个兼具备高清采集和高清处理的手持设备(智能手机)。某种意义上可以说,视觉数据就是天生的大数据,解决计算机视觉的问题和就是解决机器学习的问题。
     
AI技术风起云涌、各种模型百花齐放,很多产品已经落地。面对这样的形势,我们应该拿出积极的态度:“临渊羡鱼,不如退而织网”,本门课程立足图像处理实践,积极引入深度学习内容。通过11+个DNN算法例子和1个部署例子的教授,帮助学习者建立牢固基础、激发思考能力、并服务产品实践。

课程大纲:
第一课:课程综述:由人工特征的百花齐放到深度学习的一统江湖
1、由人脸识别的技术变迁引出今日DNN技术的现状和优势;
2、本门课程的价值
3、整个课程的预设提纲
4、开展实验的基本准备
 
第二课:基本环境构建、基础知识框架、基本数据准备,将FaceDnn实现
为了本课程内容,需要构建的基本环境。分为几个部分来组成,并且一次性分享资料。
1、基础环境
2、基础数据
3、识别过程
4、实时视频框架
 
第三课:OpenCV自带dnn的Example研究(1)
简单来说,三到六课,我们就是要研究OpenCV自己所附带的、较高质量的代码中,DNN是如何发挥作用的。
1、classification
2、colorization
3、object_detech
4、models.yml 研究
       
第四课:OpenCV自带dnn的Example研究和实施视频处理GUI程序的融入(2)
1、open_pose
2、segmentation
3、text_detection
4、如何将GOMfcTemplate融入现有框架,实现动态的效果。

第五课:OpenCV自带dnn的Example研究(3)
style transfer这个深度学习杀手应用的历史由来、实现要点和部署考虑。
在本课中,我们要引入模型的训练,并且借助平台提供的云服务器快速实现这个训练过程。

第六课:OpenVINO的环境搭建(双平台)和车辆检测实例
OpenVINO全称为开放式视觉推理和神经网络优化(Open Visual Inference & Neural Network Optimization),其前身是英特尔计算机视觉SDK(Computer Vision SDK),通过工具包中集成的三个全新API:深度学习部署工具包、通用的深度学习推理工具包以及OpenCV和OpenVX的优化功能,支持TensorFlowMXNet和Caffe框架。
在应用上,OpenVINO确实以一种比较简单的方式提升了dl+cv程序的运行速度,所以我们必须要介绍并且实现。
 
第七课:linux平台上的实时视频处理程序和基于OpenVINO的道路分割监测
1、各种采集显示方法的速度比较和GOQTtemplate的搭建
2、基于OpenVINO的道路分割监测

第八课:基于OpenVINO的和实时人脸表情
1、基于OpenVINO的和实时人脸表情
2、融合GOQTtemplate实现实时效果
 
第九课:现有成果在嵌入式平台上的部署
1、综合比较rk3399、nvidia jetson nano、intel ncs2等多款优于Pi3+嵌入式平台的性能,主要是浮点运算能力和深度学习性能;
2、如何将现有算法模型部署到嵌入式平台上
 
实践知识帮助你了解现实世界的复杂性。这些解决方案有时是混乱的,但它们是有效的。它们通常要求您使用各种工具的组合。他们要求你以系统的方式处理这个问题。具体来讲,如何构建一个能够实际运行的程序,在本章中将讲解这些内容。

第十课:课程小结,资源分享回顾。
1、如何将现有算法模型部署到嵌入式平台上(续)
2、根据课程反馈情况进行集中答疑和补充讲解,对课程内容回顾,并将资源集中分享。





我要报名

 

GMT+8, 2019-12-8 23:31 , Processed in 0.193772 second(s), 27 queries .