建议时间:每周6-7小时
图像分割简介:图像分割技术的分步介绍https://www.analyticsvidhya.com/blog/2019/04/introduction-image-segmentation-techniques-python实现Mask R-CNN进行图像分割https://www.analyticsvidhya.com/blog/2019/07/computer-vision-implementing-mask-r-cnn-image-segmentationMask R-CNN论文https://arxiv.org/pdf/1703.06870.pdfMask R-CNN GitHub存储库https://github.com/matterport/Mask_RCNN项目:COCO分割挑战http://cocodataset.org/#downloadAttention 模型:Sequence-to-Sequence Modeling with Attentionhttps://www.analyticsvidhya.com/blog/2018/03/essentials-of-deep-learning-sequence-to-sequence-modelling-with-attention-part-iSequence-to-Sequence Models by Stanfordhttps://nlp.stanford.edu/~johnhew/public/14-seq2seq.pdf第7个月 – 探索深度学习工具目标:这是一个非常有趣的学习月!到目前为止,我们已经涵盖了许多
建议时间:每周6-7小时
PyTorch:PyTorch教程https://pytorch.org/tutorials/PyTorch的初学者友好指南https://www.analyticsvidhya.com/blog/2019/09/introduction-to-pytorch-from-scratchPyTorch中文官方教程(可选)http://pytorch123.com
TensorFlow:
TensorFlow教程https://www.tensorflow.org/tutorialsTensorFlow简介https://www.analyticsvidhya.com/blog/2016/10/an-introduction-to-implementing-neural-networks-using-tensorflow第8个月 – 了解NLP和图像字幕的基础目标:这是你专业化的开始。这是将你的深度学习知识与
建议时间:每周6-7小时
自然语言处理(NLP)的基础知识:斯坦福-词嵌入:https://youtu.be/ERibwqs9p38递归神经网络(RNN)简介:https://youtu.be/UNmqTiOnRfgRNN教程http://www.wildml.com/2015/10/recurrent-neural-networks-tutorial-part-3-backpropagation-through-time-and-vanishing-gradients/了解图像字幕自动图像字幕https://cs.stanford.edu/people/karpathy/sfmltalk.pdf使用深度学习的图像字幕https://www.analyticsvidhya.com/blog/2018/04/solving-an-image-captioning-task-using-deep-learning项目:COCO字幕挑战赛http://cocodataset.org/#download第9个月 – 熟悉生成对抗网络(GAN)目标:9月,你将了解生成对抗网络(GAN)。自从Ian Goodfellow于2014年正式推出GAN以来,GANs就火爆了起来。目前,GANs的实际应用很多,包括修复、生成图像等。
建议时间:每周6-7小时
了解生成对抗网络(GAN):Ian Goodfellow的生成对抗网络(GAN):https://youtu.be/HGYYEUSm-0QGAN 论文https://arxiv.org/pdf/1406.2661.pdf生成对抗网络的最新进展https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8667290Keras-GANhttps://github.com/eriklindernoren/Keras-GAN第10个月 – 视频分析简介目标:视频分析是计算机视觉中一个蓬勃发展的应用。到2020年(及以后),对这项技能的需求只增不减,因此学习如何使用视频数据集的知识是必要的。