opencv 图像识别_图像识别原理到进阶实战

图像识别原理到进阶实战

阶段概述：

本阶段讲解，卷积神经网络、深度神经网络的问题和优化手段、经典卷积神经网络模型、OpenCV 模块、目标检测算法原理与实战

达成目标：

通过本阶段学习，深入透彻的掌握图像识别领域深度学习的原理和应用。通过知识点的讲解， 辅助论文讲解和源码的剖析，让同学可以了解网络的底层架构原理和代码，此阶段对后期面 试图像识别领域岗位是重中之重，值得多花心思反复研究。

实战教学项目：

• Cifar10 图像识别案例
• 皮肤癌医疗图像检测项目
• 图像风格迁移项目
• 车牌识别案例
• 通用物体检测项目

卷积神经网络原理

• 感受野与卷积
• 卷积的计算
• 权值共享
• Stride 步长
• Padding 模式
• Pooling 池化
• TF 实现 CNN 卷积神经网络
• CNN 分类 MNIST 手写数字识别项目案例

经典卷积网络算法

• LeNet
• AlexNet
• VGG16
• InceptionV3
• ResNet
• DenseNet
• MobileNet
• 皮肤癌医疗图像检测项目
• GAN 生成对抗网络
• 图像风格迁移项目

OpenCV 模块

• 读取 IP 摄像头
• RGB 与 HSV 空间变换
• 直方图均值化
• 边缘检测
• 人脸检测
• 物体追踪
• 车道线检测
• 车牌识别案例

古典目标检测算法

• 图像金字塔
• 古典目标检测架构
• ROI、IOU、FPS、NMS、mAP
• IOU 代码实现
• NMS 代码实现
• 特征金字塔
• SPP net
• ROI 池化

现代目标检测算法

• Fast R CNN
• Faster R CNN
• RPN 网络、Anchor boxes
• Mask R CNN
• SSD
• Yolo V1 V2 V3
• Cascade R CNN
• 模型压缩

知乎视频​www.zhihu.com