扫码下载「CSDN程序员学院APP」,1000+技术好课免费看
APP订阅课程,领取优惠,最少立减5元 ↓↓↓
订阅后:请点击此处观看视频课程
视频教程-三个项目玩转深度学习(附1G源码)-Python
学习有效期:永久观看
学习时长:208分钟
学习计划:4天
难度:低
「口碑讲师带队学习,让你的问题不过夜」
讲师姓名:钱兴会
CTO/CIO/技术副总裁/总工程师
讲师介绍:楚门智能创始人,昆士兰理工大学数据科学硕士,多年大数据行业经验,原联想电商大数据平台负责人,Cloudera认证架构师、管理员,主要科研方向为数据科学,在自然语言处理领域有的经验,擅长Spark、Hadoop等平台架构,具有多年的实战经验,讲课风格幽默风趣、实战为主。
☛点击立即跟老师学习☚
「你将学到什么?」
从事大数据与人工智能开发与实践约十年,钱老师亲自见证了大数据行业的发展与人工智能的从冷到热。事实证明,计算机技术的发展,算力突破,海量数据,机器人技术等,开启了第四次工业革命的序章。深度学习图像分类一直是人工智能的经典任务,是智慧零售、安防、无人驾驶等机器视觉应用领域的核心技术之一,掌握图像分类技术是机器视觉学习的重中之重。针对现有线上学习的特点与实际需求,我们开发了人工智能案例实战系列课程。打造:以项目案例实践为驱动的课程学习方式,覆盖了智能零售,智慧交通等常见领域,通过基础学习、项目案例实践、社群答疑,三维立体的方式,打造最好的学习效果。
「课程学习目录」
第1章:机器视觉图像分类项目实施流程分析 |
1.图像分类项目通用需求介绍 |
2.图像分类项目难点 |
3.图像分类项目实施流程 |
4.图像分类项目常见模型 |
5.卷积神经网络经典网络模型-LeNet,AlexNet |
6.卷积神经网络经典网络模型-VGG系列 |
7.卷积神经网络经典网络模型-ResNet系列 |
8.卷积神经网络模型常用的数据集与比赛 |
9.卷积神经网络模型论文研读方法介绍 |
第2章:图像分类项目实践:智能交通-车辆图像分类 |
1.车辆图像分类-数据集介绍 |
2.车辆图像分类--项目流程介绍与网络设计 |
3.车辆图像分类-模型代码分析 |
4.车辆图像分类-数据预处理模块讲解 |
5.车辆图像分类-数据加载 |
6.车辆图像分类-训练部分编写 |
7.车辆图像分类-测试部分说明 |
8.车辆图像分类-项目总结 |
第3章:图像分类项目实践:智能交通行业-交通标志分类 |
1.交通标志分类-数据集介绍 |
2.交通标志分类项目-项目流程介绍与网络设计 |
3.交通标志分类项目-数据预处理模块讲解 |
4.交通标志分类项目-数据加载 |
5.交通标志分类项目-模型代码分析 |
6.交通标志分类项目-训练部分编写 |
7.交通标志分类项目-测试部分说明 |
8.交通标志分类项目-总结 |
第4章:图像分类项目实践-智慧零售-多标签服装与颜色图像分类 |
1.服装与颜色图像分类-项目背景介绍 |
2.多标签服装与颜色图像分类-数据集介绍 |
3.多标签服装与颜色图像分类-FashionNet网络架构设计 |
4.多标签服装与颜色图像分类-环境搭建与数据集划分 |
5.多标签服装与颜色图像分类-图像增强 |
6.多标签服装与颜色图像分类-FashionNet网络模型开发 |
7.多标签服装与颜色图像分类-模型训练 |
8.多标签服装与颜色图像分类-模型预测与优化 |
9.多标签服装与颜色图像分类-项目总结 |
「7项超值权益,保障学习质量」
- 大咖讲解
技术专家系统讲解传授编程思路与实战。
- 答疑服务
专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。
- 课程资料+课件
超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)
- 常用开发实战
企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。
- 大牛技术大会视频
2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。
- APP+PC随时随地学习
满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。
「什么样的技术人适合学习?」
- 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
- 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
- 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。
「悉心打造精品好课,4天学到大牛3年项目经验」
【完善的技术体系】
技术成长循序渐进,帮助用户轻松掌握
掌握Python知识,扎实编码能力
【清晰的课程脉络】
浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。
【仿佛在大厂实习般的课程设计】
课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。
「你可以收获什么?」
1.熟悉常见的深度学习图像分类算法:AlexNet,ResNet等
2.了解常见的图像分类应用:交通标志分类,时尚服装分类,汽车图像分类等
3.掌握图像分类项目的开发流程:包括数据制作、网络训练、测试、优化等
4.了解图像分类的常见论文