#计划# 机器视觉 #视觉增强 #python #数据库 #算法 #深度学习 #迁移学习 #matlab #数据融合

#1.对振动位移的测量

 

直接法：位移传感器很难实现多点全场信息的非接触测量 

间接法：加速度传感器要考虑本身质量、低频噪声难以滤除

方向：非接触、高精度、全场式

2.机器视觉：视觉传感器获取结构振动视频，应用图像处理，数字图像相关等方法从图像只接获取振动位移信息

---------------------------------------------------------------------------------------------------------------------------------

务：朱：1.归纳方向                                   曹：1.cv论文、振动视觉增强影像系统Dragon Vision

              2.患者分类                                           2.实验

              3.迁移学习                                           3.视觉增强

一.机器视觉CV

材料：1.科技前沿！美国振动视觉增强影像系统Dragon Vision的介绍 

           2.

          3.  

               

 

 根据使用手册处理数据

与激光测出的数据进行比较

        1.大框概述总结                            12.图像基本操作                  15.目标检测

        2.图像预处理                                13.图像特征                         16.RCNN原理

        3.图像特征描述                             14.案例应用                        17.SPPNet原理

        4.应用至深度学习                                                                     18.FastRCNN原理

        5.图像分类                                                                                19.FasterRCNN原理

        6.图像检索                                                                                20.YOLO原理

        7.目标检测                                                                                21.SSD原理

        8.例：通用场景图像分割                                                          22.数据集标记

        9.例：医疗影像分割                                                                 23.数据集格式转换

        10.图像描述                                                                             24.TFRecords读取

        11.图像生成

---------------------------------------------------------------------------------------------------------------------------------

***项目实现与部署***

数据接口实现

模型接口实现

预处理接口实现

训练过程实现

测试过程实现

模型部署介绍

导出模型

打开模型服务

TFServing

服务器部署

二、视觉增强SV

待定

三、python

        1.基础知识                        10.数据结构引入        15.matplotlib                20.linux

        2.数据类型                        11.顺序表列表            16.numpy

        3.循环                                12.栈                         17.series

        4.循环                                13.排序                      18.dataframe

        5.参数                                14.树                         19.pandas

        6.函数

        7.结构

        8.文件操作

        9.模块化

---------------------------------------------------------------------------------------------------------------------------------

四、算法

1.特征工程和文本特征提取        10.数据清洗                                20.鸢尾花

2.数据特征预处理                       11.回归                                       21.手写数字

3.数据降维                                  12.决策树和随机森林                 22.调参

4.k---近邻算法                             13.GXboost                               23.癌症判断

5.朴素贝叶斯算法                        14.SVM                                    24.数据处理

6.决策树和随机深林                    15.聚类                                     25.决策树与随机森林调参

7.线性回归                                   16.EM                                      26.梯度提升

8.逻辑回归                                   17.贝叶斯                                 27.pandas数据处理举例

9.k-means                                    18.主题                                    28.adaboost举例

                                                     19.HMM                                  29.线性回归

                                                                                                     30.手写线性回归

                                                                                                     31.其他线性回归

                                                                                                     32.逻辑斯蒂回归

                                                                                                      33.项目

---------------------------------------------------------------------------------------------------------------------------------

五、深度学习

材料：推荐领域的国内一些知名学者：

西安交通大学： 陈雪峰 严如强雷亚国
华南理工大学：李巍华
重庆大学：秦毅

1.cnn                                        7.神经网络基础知识                                   23.回归问题

2.递归神经网络                        8.浅层神经网络                                          24.Tensorflow 2基础操作

3.半监督                                   9.深层神经网络                                          25. tensorflow 2高阶操作

4.无监督                                   10.多分类                                                   26.神经网络与全连接层

5.网络压缩                                11.梯度下降算法优化                                 27.随机梯度下降

6.编译器                                    12.深度学习正则化                                    28.Keras高层接口

                                                 13.深度网络调参与BN                                29.过拟合

                                                 14.卷积网络原理                                        30.卷积神经网络

                                                 15.经典分类结构                                        31.循环神经网络RNN

                                                 16.CNN实战                                           32.自编码器Auto-Encoders

                                                 17.循环神经网络                                        33.对抗生成网络GAN

                                                 18.词嵌入                                              34.Numpy实战BP神经网络

                                                 19.seq2seq与Attention机制

                                                 20.生产对抗网络

                                                 21.自动编译器

                                                 22.CapsuleNet

六、迁移学习

1.Deep partial transfer learning network: A method to selectively transfer diagnostic knowledge across related machines

2.Multisource-Refifined Transfer Network for Industrial Fault Diagnosis Under Domain and Category Inconsistencies

七、matplotlab

1.基本运算

2.矩阵

3.循环、函数

4.曲线曲面

5.数据计算

6.方程

7.其他操作