本课程内容包括图像分类的各个领域的算法与实践,时长超过10个小时,分为3大模块,5个实践案例。包括图像分类的理论知识和实践内容,内容详细,案例丰富,下面是当前课程的大纲脑图:
(1) 理论部分内容包括:涵盖了深度学习图像分类各个方向的理论知识,如图像分类基础、多类别图像分类理论、细粒度图像分类理论、多标签图像分类理论、半监督与无监督图像分类、零样本图像分类等,既有足够的广度,也具备足够的深度。我们会非常详细地讲解理论中的细节知识,帮助大家学懂学会;
(2) 实践非常丰富:本次课程中一共已经包含了5个实践案例,分别为从零完成人脸表情识别案例实践、简单图像分类数据增强实战、鸟类动物细粒度分类实战、生活用品多标签图像分类实战、基于血红细胞的图像分类竞赛技巧,通过这些实战案例可以彻底掌握图像分类任务的实战技巧。
3大模块分为基础内容,进阶内容,以及拓展内容。
(1) 基础内容包括图像分类基础,多类别图像分类理论与实战,数据增强实战等。
(2) 进阶内容包括细粒度图像分类理论与实战,多标签图像分类理论与实战。
(3) 拓展内容包括半监督与无监督,零样本图像分类理论,图像分类竞赛实战。
下面简单了解一下课程各部分的大体内容:
(0) 课程简介,包括图像分类课程介绍。
(1) 图像分类基础,包括图像分类基本概念,经典数据集,评估指标,优化目标,约45分钟,本小节内容可以免费收听。
(2) 多类别图像分类理论,包括基本概念,多类别分类经典模型,多类别分类经典难题,约45分钟,本小节内容可以免费收听。
(3) 从零完成人脸表情识别实践,包括项目背景,数据处理与读取,模型搭建与训练,模型测试,约62分钟,本小节内容可以免费收听。
(4) 简单图像分类数据增强,包括接口介绍,实验比较,约30分钟,本小节内容可以免费收听。
(5) 细粒度图像分类理论,包括基本概念,弱监督模型,强监督模型,约30分钟。
(6) 鸟类细粒度图像分类实战,包括项目简介,数据读取,模型搭建与训练,约30分钟。
(7) 多标签图像分类理论,包括多标签图像分类问题以及相应的解决方案,约20分钟。
(8) 生活用品多标签图像分类实战,包括内容简介,数据读取及标签构建,模型搭建及训练,约130分钟。
(9) 半监督与无监督分类理论,包括基本概念,有监督分类模型与无监督分类模型,约30分钟。
(10) 零样本分类理论,包括零样本分类基本概念与相关模型,约15分钟。
(11) 血红细胞图像分类竞赛,包括内容简介,思路分析,数据集的统计分析,网络模型构建,模型训练,学习率调整,标签平滑,知识蒸馏,投票策略,TTA策略,约120分钟。
(12) 不定期直播答疑,课程配套有直播答疑,目前已经有3次直播,会讲解拓展内容以及进行课程内容答疑。
本课程适合人群:
(1) 所有学习人工智能/深度学习算法,并有志于从事该领域的人员。
(2) 掌握了Python,深度学习基础概念等预备知识的技术人员。
(3) 学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握:
(1) 图像分类各领域的主流算法。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
(4) 了解计算机视觉竞赛工程技巧。