导言
只是看理论,却总也学不会?看不懂,又总没有进度?如果你也有这类问题,那你来看看这个专栏。以实际项目为导向,亲自动手实践,从简单的手写字识别、人脸检测、图像分类开始,逐渐学习掌握实例分割、目标检测、车道线检测等进阶技能。学习有回馈、有成就感,你才能继续下去。
知乎和公众号上收到了太多人给我的私信,想找可以具体操作的机器视觉项目。由于各种原因,回复的时候总是零零散散。经过大半年的收集整理,我决定开设此专栏,以项目实践为导向,手把手带你从基本的手写字识别、图像/视频编码开始,逐渐进入到如表情识别、车道线检测、实例分割等具体的项目中去。
本专栏包含项目并非全是个人原创,但都是经过仔细审查,引用后做了详细的注解和删改。例如手写字识别、人脸识别、表情识别、图像分割、表面缺陷检测、车道线检测、车辆可通行区域检测等项目,提供完整指导文档和开源代码。
持续更新,以"实践"促学习。
在本专栏中,你将学会如下内容:
- 了解常用的实例分割、目标检测方法,尤其是卷积神经网络;
- 从零开始,手把手教你搭建计算机视觉环境,开始你的第一个实践项目;
- 深入学习激活函数、损失函数、卷积网络的设计,掌握算法优化方法;
- 计算机视觉顶会实例分割、目标检测论文研读,学习最新方法,提供实现源代码;
- 以战促学,开始表情识别、车道线检测、可通行区域检测的实际项目,每个项目会提供完整的论文、研读报告、实验源代码;
- 常见问题解答
适合人群:计算机视觉初学者,尤其是目标检测、模式识别方向的学生或从业者
一、理论篇
本专栏所涉及的项目所需机器学习/图像处理知识并不深入,但我之前也开设了《机器学习算法讲解与Python实现》和《计算机视觉前沿论文研读》两个专栏。一个更偏算法理论,一个则关注于计算机视觉顶会的前沿论文成果,解读新的方法和Idea。
1.《机器学习算法讲解与Python实现》
该专栏分类讲解机器学习算法原理,深度解析决策树、贝叶斯算法、逻辑回归、梯度下降、集成学习、k最近邻、支持向量机等,并给出Python实现源程序,同时分享以实战为导向的Kaggle进阶指南。
2.《计算机视觉前沿论文研读》
研读计算机视觉顶会论文,CVPR、ECCV、ICCV等,也有部分项目开源到Github上,论文、源码、数据集。
链接:https://github.com/Charmve/Mirror-Glass-Detection
《计算机视觉实战 | 练手项目,开放源码》
知乎上收到了太多人给我的私信,想找可以具体操作的机器视觉项目,回复的时候总是零零散散,我经过大半年的收集整理,现完成此专栏。例如手写字识别、人脸识别、表情识别、图像分割、表面缺陷检测、车道线检测、车辆可通行区域检测等项目,提供完整指导文档和开源代码…
二、入门篇
- 机器学习实战 | 卷积神经网络详解(二)——自己手写一个卷积神经网络
- 教程 | 深度学习 + OpenCV,Python实现实时视频目标检测
- 实战教程 | 使用Scratch中的NumPy构建卷积神经网络,开放源码
- 实战教程 | 车道线检测项目实战,霍夫变换 & 新方法 Spatial CNN
- CV实战 | 使用OpenCV进行图像全景拼接
- CV实战 | 使用OpenCV实现道路车辆计数
- 教程 | 如何使用Docker、TensorFlow目标检测API和OpenCV实现实时目标检测和视频处理…
- Keras实现CNN:手写数字识别准确率99.6%
- 机器学习实战 | 逻辑回归应用之“Kaggle泰坦尼克之灾”
三、进阶篇
- 迈微视觉 | 用CenterNet对旋转目标进行检测
- 表情识别FER | 基于CNN分类的表情识别研究
- 表情识别FER | 面部表情识别论文综述 CVPR2019
- 表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
- ECCV 2020 GigaVision挑战赛“行人和车辆检测”和“多目标追踪”冠军方案解读
- Kaggle X光肺炎检测比赛第二名方案解析 | CVPR 2020 Workshop
- 处理表情识别中的坏数据:一篇CVPR 2020及两篇TIP的解读
- ECCV2020 图像分割开源论文合集
- BMVC2020 最佳论文 | 自适应卷积神经网络抗锯齿
- Ross、何恺明等人提出PointRend:渲染思路做图像分割,显著提升Mask R-CNN性能
- 好好的人,说没就没了:这个视频「橡皮擦」让你瞬间消失,头发丝都不留
- CVPR2020 | 真实场景中的玻璃检测,有趣的应用
- 滑动窗口也能用于实例分割,陈鑫磊、何恺明等人提出图像分割新范式
四、实践指南
- 深度学习环境配置指南!(Windows、Mac、Ubuntu全讲解)
- 22张精炼图笔记,深度学习专项学习必备
- 为什么你的模型效果这么差,深度学习调参有哪些技巧?
- CNN 真的需要下采样(上采样)吗?
- 深入探讨:为什么要做特征归一化/标准化?
- 你还不了解机器学习中的最优化算法吗?现在我给你总结了
- 机器学习论文复现,这五大问题你需要注意
五、系统设计与实现
持续更新中,如在实践中遇到什么问题,欢迎交流。公众号内回复“加群”即可进入迈微学习交流群。
关注公众号迈微AI研习社
,跟更多炼丹师一起学习。最后别忘了,订阅专栏哦!