Py学习  »  机器学习算法

DL4CV实战——构建基于深度学习的智能图像识别系统

炼数成金订阅号 • 5 年前 • 549 次点击  

深度学习的重要意义毋庸置疑,它在图像处理方面相关领域有许多实际应用。将图像处理和深度学习相结合,能够很好地解决很多问题。


本课程在基础知识的讲解,更关注完整工具链的搭建和使用:我们不仅要能够实现一个以vgg-16为基础的CBIR系统的深度学习模型,并且要通过训练和调参,使其能够解决实际问题;更进一步要将其作为webapi的服务开放出去,让我们的客户端(PC和Android)都能够调用。


课程大纲:

第一课、综述。为什么要做这个方面的研究学习?学习什么内容?怎样进行有效学习?相关资料的推荐

第二课、基本单机环境的搭建;Python语言在深度学习中的作用

第三课、jupyter联机环境的搭建;xxnet的使用,colab环境的搭建使用,运行第一个深度学习的例子,特别是要将曲线图绘制出来

第四课、对numpy的简单介绍.和本课程相关的Python语法简介,要提取重点。运行第一个mnist的例子(给深度学习入门者的Python快速教程)

第五课、vgg-16模型简介,使用已经搭建起来系统训练和测试公用数据集

第六课、模型迁移和数据集增量概论简介,对本系统作用

第七课、CBIR(以图搜图)需求简介,如何基于vgg-16模型实现CBIR

第八课、在现有基础上,如何看懂结果曲线,并进行参数调优

第九课、flask简介和mvc基础框架

第十课、flask进阶,搭建基础上传、下载服务,开放webapi服务

第十一课、增加js/css,实现美化界面(代码开发、方便复用)

第十二课、结合现有模型,开放提供CBIR的webapi服务

第十三课、总结,课程回顾


授课时间:本期课程将于6月23日开始。课程持续时间大约为15周。


授课对象:

深度学习和图像处理从业者和爱好者、及相关专业院校学生


课程环境:

windows +anaconda+vscode


收获预期:

我们不仅要能够实现一个以vgg-16为基础的CBIR系统的深度学习模型,并且要通过训练和调参,使其能够解决实际问题;更进一步要将其作为 webapi的服务开放出去,让我们的客户端(PC和Android)都能够调用。


讲师简介:

禾路 老师

国家工信部认证软件设计师,嵌入式系统设计师;8年图像处理经验。长期奋斗在图像增强、识别一线。实战经验丰富,研究开发的连铸体拼接算法、人脸美化算法、红外线血管增强识别系统、中药识别系统、石材大板识别系统等均已投入使用。

对OpenCV有着深入理解和解析。对OpenCV结合mfc、csharp快速开发,解决实际问题有独到见解。开源框架GreenOpenMFCTemplate受到《学习OpenCV》中文版翻译者于士琪论坛和博客推荐。

作为Review参与2017年下半年上市的《学习OpenCV3》中文版的翻译工作。


点击下方二维码或阅读原文报名课程:


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/cUF8CBJmC0
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/11956
 
549 次点击