目录
近年来，随着无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生，人工智能迎来了新一轮的发展浪潮。尤其是在计算机视觉和图像处理领域，各种颠覆性的成果应运而生。因此，为了帮助广大科研人员更加系统地学习图像处理、机器学习和深度学习的基础理论知识及对应的代码实现方法，帮助学员掌握图像处理的基础知识，以及经典机器学习算法和最新的深度神经网络、迁移学习、对抗生成网络等算法的基本原理及其MATLAB编程实现方法。
1、掌握图像处理基础知识及其MATLAB代码实现方法；
2、掌握经典机器学习算法原理及其MATLAB代码实现方法；
3、掌握最新的卷积神经网络、迁移学习等算法的基本原理及其MATLAB代码实现方法；
4、掌握生成式对抗网络（GAN）及其在图像处理中的应用及代码实现方法；
5、掌握目标检测YOLO模型及其在图像处理中的应用及代码实现方法；
6、通过深入浅出的讲解、多案例实操，问题解析及学员项目交流，掌握其方法及对接工作实践问题。
郁磊副教授，主要从事MATLAB编程、机器学习与数据挖掘、数据可视化和软件开发、生理系统建模与仿真、生物医学信号处理，具有丰富的实战应用经验，主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》相关著作。已发表多篇高水平的国际学术研究论文。
第一章MATLAB 图像处理基础
1、图像的分类与表示方法
2、图像的常见格式及读写（彩色图像、灰度图像、二值图像等）
3、图像类型的转换
4、数字图像的基本运算
5、数字图像的几何变换（平移、镜像、缩放、旋转等）
6、数字图像的邻域和块操作
7、图像去噪与图像复原
8、图像边缘检测与图像分割
9、案例实践：基于手机摄像头的心率计算
第二章BP神经网络及其在图像处理中的应用
1、人工智能基本概念辨析（回归拟合问题与分类识别问题；有监督（导师）学习与无监督（无导师）学习；训练集、验证集与测试集；过拟合与欠拟合）
2、BP神经网络的工作原理
3、数据预处理（归一化、异常值剔除、数据扩增技术等）
4、交叉验证与模型参数优化
5、模型评价与指标的选择（回归拟合问题 vs. 分类识别问题）
6、案例讲解：（1）手写数字识别
（2）人脸朝向识别
7、实操练习
第三章卷积神经网络及其在图像处理中的应
- 深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越好吗？深度学习与传统机器学习的本质区别是什么？）
2、卷积神经网络的基本原理（什么是卷积核？CNN的典型拓扑结构是怎样的？CNN的权值共享机制是什么？CNN提取的特征是怎样的？）
3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系
4、MATLAB深度学习工具箱简介
5、预训练模型（Alexnet、Vgg-16/19、GoogLeNet、ResNet等）的下载与安装
5、案例讲解： （1）CNN预训练模型实现物体识别
（2）利用卷积神经网络抽取抽象特征
（3）自定义卷积神经网络拓扑结构
6、实操练习
第四章迁移学习算法及其在图像处理中的应用
1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学习？迁移学习的基本思想是什么？）
2、基于深度神经网络模型的迁移学习算法
3、案例讲解：猫狗大战（Dogs vs. Cats）
4、实操练习
第五章生成式对抗网络（GAN）及其在图像处理中的应用
1、生成式对抗网络GAN（什么是对抗生成网络？为什么需要对抗生成网络？对抗生成网络可以帮我们做什么？GAN给我们带来的启示）
2、GAN的基本原理及GAN进化史
3、案例讲解：GAN的Python代码实现（向日葵花图像的自动生成）
4、实操练习
第六章目标检测YOLO模型及其在图像处理中的应用
1、什么是目标检测？目标检测与目标识别的区别与联系
2、YOLO模型的工作原理
3、从YOLO v1到v5的进化之路
4、案例讲解：汽车的目标检测
5、实操练习
第七章讨论与答疑
1、如何查阅文献资料？（你会使用Google Scholar、Sci-Hub、ResearchGate吗？应该去哪些地方查找与论文配套的数据和代码？）
2、如何提炼与挖掘创新点？（如果在算法层面上难以做出原创性的工作，如何结合自己的实际问题提炼与挖掘创新点？）
3、相关学习资料分享与拷贝（图书推荐、在线课程推荐等）
4、建立微信群，便于后期的讨论与答疑
167
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
