AI 图像识别项目从入门到上线

课程介绍

本课程是一个完整的项目实战课程，从项目调研开始到项目最终上线，完整的复现了基于深度学习的实战项目的流程。

本课程系列文章具有很强的工程性质，同时内容追求循序渐进，建议从头开始学习。

• 第 01~02 课，将讲述如何调研一个项目，如何获取数据与整理数据。
• 第 03~05 课，将介绍 Linux、图像、Python 等开源包，以及神经网络的基础知识，为接下来的项目做准备。
• 第 06~08 课，将介绍目前 3 大用户量最大的深度学习开源平台，将讲述准备数据、定义网络、训练模型、使用模型测试自己的图片的整个流程。
• 第 09~11 课，将集中讲解如何训练模型并进行迭代优化。
• 第 12~14 课，我们将把训练出来的模型部署到微信小程序上，同时介绍小程序的前、后端的基础技术。

认真学完这个系列文章之后，将会深入理解一个基于深度学习的项目是如何从一个想法变为一个真正产品的。对于欲转行的人来说，它提供了一个完整的学习链，学习完之后将直接具有从事该行业的基本能力。对于已经是相关从业人员来说，可以作为一个知识和经验的补充。

专家推荐

本课程是基于深度学习的图像项目开发实践课程。作者提供了一个非常完整的从深度学习理论、实践到工业级生产的链条。既有基础的代码与图像知识，深度学习入门理论、基于 Python 的几大主流开源框架的使用；又有实际项目开发中调研立项，从需求分析到实际业务模型的训练与迭代，最终到模型部署、小程序的前后端开发。本课程非常适合深度学习初学者作为入门，也适用于需要进一步巩固深度学习技能的从业者，十分推荐！

—— 陈强，360 人工智能研究院科学家

作者介绍

龙鹏，6 年计算机视觉项目从业经验，华中科技大学本科，中国科学院硕士，原 360 图像搜索，人工智能研究院算法工程师，今陌陌深度学习实验室算法工程师，拥有个人技术公众号《与有三学 AI》，曾在 GitChat 开设过《AI 程序员码说摄影图像基础》课程。

参与过图像增强降噪、自动驾驶、视频内容分析、人脸表情与 Parsing 等项目，并熟悉传统图像处理算法基础知识，拥有丰富的基于机器学习的计算机视觉项目经验。

课程内容

导读：致想入坑深度学习的你

从混了几年到遇见深度学习

2011 年暑假，湿热的武汉校园里，华科电子系里的前 15 名同学正在厮杀 13 个保外的名额，虽然单论裸成绩和加上加分后的成绩的话，我不会掉队，但是，在当时的十几个人中，大部分人仍然会觉得这个有很大的变数。到什么地步呢？举一个例子，拥有计算机网络这个证书到底是按照往年一样加 1 分？还是按照当年新规加 0.5 分？大家在辅导员面前多次争执。第一名和第十名的加权分差好像都没有超过 0.5 分的，所以这一点区别有多大，大家可以想象一下。

为此，每晚回宿舍都会有最新消息传回来，我很苦恼，所以在 8 月份的时候，赶上了中科院物理所夏令营的晚班车。

十几天的夏令营很爽，匆匆参观了几十个研究所，高端到紫金山天文台、正负电子对撞机等，听北航物理系专业的同学整天说：优秀的人才必须先留本校，所有有很多想出来的人考试故意放水等。然后，在参观后来就读的半导体所时，淋了一场大雨，当时以为北京每年还是会下很多次雨的。

那个时候我曾经有另一个选择，即自动化所刘成林老师组。来北京之前邮件联系过，后来在刘老师办公室也聊了很久，只可惜夏令营回去之后，保外的竞争仍然由于额外增加专业考试的存在而没有结束，以至于误了自动化所的面试。后来被问面试结果如何时，实在无脸答问。

没想到的是，保外最终以所有人的胜利结束了，折腾了几个月后，跟着系里以前的师兄，选择了中科院半导体研究所，毕竟自己是微电子专业，这也算是本行了吧。

然后到了实验室做毕设，师兄拼凑了一台 512 M 内存的电脑，开始用 Xilinx 和 Matlab 做毕业设计，写 Verilog 代码，以前没有学拍照，照片也没保存下来，就只有下图为证了。

每天的业余生活就是打球打球打球，然后混到了硕士毕业。

刚入研究所的第一年有高温假，几乎所有同学都回家度过了那两个星期的高温假，我跟另一个哥们儿留下来学习。把数字图像处理和 C++ Prime 认真看了一遍，算是入门了。直到 2015 年毕业，陆陆续续意识到深度学习的兴起，在外听百度 IDL 的一些人的演讲，也没有正儿八经的做过深度学习的项目。硕士论文写了 130 多页，从图像降噪到分割，从 Guided Filter 到去雾算法，到 Level Set、Grab Cut，全部都是传统的图像算法。毕业后还有好几个人问之前发的一篇改进 Guided Filter 的文章，不得不感叹，何凯明真不是一般人。

毕业后进入 360 图像组，我们组和颜水成老师手下的一批学生一起组建成了最开始的 360 AI 研究院，开始从自动驾驶、辅助驾驶做到美颜相关的项目，才算是真正入了行业前沿。在 360 的日子是很苦涩的，两年住的地方都离公司不超过 50 米，但是环境不是 5 户的隔断、就是 7 平米的小卧室，从生活上来说，毫无质量可言。

但是，加班的生活使我淡定了很多，没有学校里那么浮躁了，颜老师偶尔递过来给大家喝的鸡汤，也还受用，熏陶了一段时间之后，因为寻求更合适的生活而离开了。

如果读书的时候，我更加努力，遇到更对的方向和优秀的人，那么今天一定会更好，相信学习完这套课程内容后，你不会后悔。

我眼中的深度学习

现在应该有一部分读者并不懂图像算法，只了解深层神经网络的调参，我觉得这是错误的。遇到真正有挑战的问题，需要用传统方法辅助解决的时候，一定会黔驴技穷。所以，建议大家趁早夯实自己的图像基础和传统机器学习算法基础。

这些年大大小小做了不少项目，对于深度学习这个工具多少有了一些体会。本系列课程主要面向的对象是想快速入行的朋友。

为什么深度学习这么火

6年前的时候，我带着实验室师姐和师妹，参加中科院的一个植物识别比赛。

那个时候，谁也没有深度学习经验，也没有多少机器学习的基础，神经网络玩的也不好，所以我们的思路是什么呢？用一些方法把植物主体提取出来，然后提取各种颜色特征、形状特征、纹理特征输入分类器。到最后，大家积极性并不高，比赛都没有完成。

如果回到今天，这是一个再简单不过的分类问题了。

深度学习之所以这么火，就是因为它的技术成熟了，它能让某些问题得到很轻松、成熟的解决。

从刷脸支付到虐遍人间的 Alpha 狗，都是技术发展的产物，所以它该火，因为它做到了上一代技术做不到的事情。

深度学习是什么，很难学吗

深度学习是什么？我这里只说它的一个方向，深层卷积神经网络，这是图像处理领域所说的深度学习，后面说深度学习就指代这个了。它的本质是神经网络，不是本世纪出来的新技术，只是有了一些新技巧的加入，关于这个问题，我们以后再详细说。

那么深度学习难学吗？

当然难学，不然为什么做这一行的工资那么高、人才这么稀缺。但是，如果你把深度学习只当作一个调参工作来说，它不难学&#x