深度学习之卷积神经网络CNN以及python案例图片中文本的识别—618人已学习
课程介绍
卷积神经网络是深度学习技术中极具代表的网络结构之一,在图像处理领域取得了很大的成功。本课程将会讲解:CNN、卷基层、卷积计算、池化层、池化、全连接等概念。重点讲解如何进行卷积计算?如何进行池化计算?CNN如何训练以及优缺点?什么全连接和激励层?后python图片文本识别的案例。
课程收益
课程需要掌握CNN、卷基层、卷积计算、池化层、池化、全连接等概念。理解CNN是一种黑盒模型,可以利用CNN进行训练学习器。掌握卷积计算和池化计算。掌握所讲的案例,可以利用python编写简单的CNN代码。
讲师介绍
王而川 更多讲师课程
乐川科技有限公司CEO,人工智能培训讲师,专业从事机器学习与深度学习培训。参与多个人工智能领域项目,专注于机器学习与计算机视觉领域,长期参与无人驾驶汽车项目,专注研究无人驾驶领域的目标识别与跟踪,善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
第1章:初识CNN
1. 初识CNN与CNN的基本结构 11:29
2. 初识CNN与CNN的基本结构二 9:22
第2章:CNN卷积运算
1. CNN的卷积计算 14:53
2. CNN的卷积运算二 16:06
第3章:CNN的池化运算
1. CNN的池化运算 3:53
第4章:CNN的全连接
1. CNN的全连接 3:58
第5章:CNN总结与补充
1. CNN的总结与补充一 6:32
2. CNN总结与补充二 5:18
第6章:python图片文本识别的案例
1. 手写文本识别案例一 4:11
2. 手写文本识别案例二 14:45
大家可以点击【 查看详情】查看我的课程
课程介绍
卷积神经网络是深度学习技术中极具代表的网络结构之一,在图像处理领域取得了很大的成功。本课程将会讲解:CNN、卷基层、卷积计算、池化层、池化、全连接等概念。重点讲解如何进行卷积计算?如何进行池化计算?CNN如何训练以及优缺点?什么全连接和激励层?后python图片文本识别的案例。
课程收益
课程需要掌握CNN、卷基层、卷积计算、池化层、池化、全连接等概念。理解CNN是一种黑盒模型,可以利用CNN进行训练学习器。掌握卷积计算和池化计算。掌握所讲的案例,可以利用python编写简单的CNN代码。
讲师介绍
王而川 更多讲师课程
乐川科技有限公司CEO,人工智能培训讲师,专业从事机器学习与深度学习培训。参与多个人工智能领域项目,专注于机器学习与计算机视觉领域,长期参与无人驾驶汽车项目,专注研究无人驾驶领域的目标识别与跟踪,善于人脸识别、物体识别、轨迹跟踪、点云识别分析等方向的新算法。
课程大纲
第1章:初识CNN
1. 初识CNN与CNN的基本结构 11:29
2. 初识CNN与CNN的基本结构二 9:22
第2章:CNN卷积运算
1. CNN的卷积计算 14:53
2. CNN的卷积运算二 16:06
第3章:CNN的池化运算
1. CNN的池化运算 3:53
第4章:CNN的全连接
1. CNN的全连接 3:58
第5章:CNN总结与补充
1. CNN的总结与补充一 6:32
2. CNN总结与补充二 5:18
第6章:python图片文本识别的案例
1. 手写文本识别案例一 4:11
2. 手写文本识别案例二 14:45
大家可以点击【 查看详情】查看我的课程