详情

深度学习与图像案例实践班


随着互联网和多媒体技术的快速发展,图像数据呈现出爆发式的增长,如何对海量图像进行高效的分类和检索成了一项新的挑战。图像分类是图像检索、物体检测和识别等应用的基础,也是模式识别和机器学习中的研究热点。

深度学习是一种对数据进行表征学习的方法,起源于神经网络,本课程介绍了基于深度学习技术处理图像的主要内容。包括图像数据理解与神经网络入门、图像分类、目标检测与图像分割。课程中提供了大量的案例以供学员参考。

主办单位:北京市计算中心有限公司

协办单位:

北京市基因测序与功能分析工程技术研究中心

云计算关键技术与应用北京市重点实验室

工业和信息化人才培养工程培训基地

北京市大数据教学实践基地

举 办 地:北京市海淀区丰贤中路7号北科产业3号楼

课程安排:2022.3.18-19(周五--周六)上午9:30-11:30   下午13:30-17:00

日期

主题

内容

实践案例

第一天

上午

python编程

1、python程序语言、Anaconda环境准备

2、python数据结构、语法回顾

3、函数编写与类的定义

4、pytorch环境安装

1、波士顿房价预测(python)

2、MINIST手写识别案例(BP)

3、猫狗大战

4、鸢尾花分类

5、中草药分类

6、花分类

(以下为pytorch自带示例及数据集)

7、手写字符识别:EMNIST、MNIST、QMNIST、USPS、SVHN、KMNIST、Omniglot

8、实物分类:Fashion MNIST、CIFAR、LSUN、SLT-10、ImageNet

9、场景分类:LSUN、Places365

神经网络入门

5、单层感知机

6、前馈神经网络

7、误差后迭代神经网络

8、卷积神经网络(卷积、池化、dropout等的介绍)

9、经典深度学习网络结构:LeNet,AlexNet,VGG16,GoogleNet,ResNet等

图像识别任务分析与实战

10、图像分类

11、目标检测

12、实例分割

13、语义分割

14、选取示例实战(单层神经网络或线性回归问题)

第一天

下午

pytorch使用

15、Tensor以及相关的函数

16、Autograd机制以及相关函数

17、Torch.nn库

基于Pytorch框架图像分类

18、VGG网络介绍

19、数据处理(读取数据、数据标注、数据校验、数据乱序、扩增)

20、模型设计(网络结构、损失函数、模型训练过程、评估、存储)

21、训练配置(学习率、优化算法、过拟合和欠拟合、计算机资源配置)

22、训练过程(评价指标、可视化)

23、模型保存

ResNet详解

24、残差网络基础概念

25、ResNet-50结构

26、本机配置计算试验

27、优化思想和优化方法

Cuda与cudnn安装配置

28、显卡配置及GPU加速原理

29、Cuda安装

30、Cudnn安装

31、Pytorch开启cuda加速api

第二天

上午

目标检测

32、目标检测算法综述

33、Pascal VOC数据集介绍

34、Labelme、labelImg标注软件介绍与使用

10、路标检测

11、人脸检测

12、安全帽检测

13、垃圾分类

14、布匹瑕疵

15、车辆检测

16、AI识虫

17、吸烟识别预测

18、表情识别

(以下为pytorch自带示例及数据集)

19、SVHN(谷歌街景门牌号码)

20、VOCDetection

21、COCODetection

基于pytorch目标检测-Faster RCNN

35、以Faster RCNN为例服务器端训练

36、数据读取和预处理

37、Faster RCNN模型设计思想

38、基本概念(边界框,锚框,交并比)

39、两阶段Anchor-Based方法

40、预训练模型

41、模型优化策略

基于pytorch目标检测-YOLOv3

42、YOLOv3网络结构

43、YOLOv3检测流程

44、YOLOv3训练、预测、评估

45、实战讲解

第二天

下午

图像分割

46、图像分割简介

47、算法简介:FCN,U-Net,PSPNet,Deeplab

48、图像分割应用场景

22、眼底血管分割

23、肝脏CT影像分割

24、遥感影像地块分割

25、人像分割

26、人体解析

27表盘分割

28胸部X光肺部分割

29车道线分割

(以下为pytorch自带示例及数据集)

30、Cityscapes(驾驶场景的图像)

31、VOCSegmentation

U-net网络

49、U-net网络设计思想

50、构建U-net网络

51、模型可视化

52、评估指标与损失函数

53、算法优化和调参

54、医疗影像实战

Deeplab系列算法详解

55、DilatedConv原理和细节

56、ASPP模块解析

57、Dilated Backbone

58、Deeplab V3详解

59、Deeplab V3实战

60、tensorflow、keras等框架的介绍

注:课程以实际发生为准;若调,会提前通知。

目标检测案例:

 

图像分割案例:

 

【报名费用】

注册费:2800元/人(含当期听课费、资料费、证书费、考试费(如有))。培训期间,食宿自理。

提供当期视频回放以供复习使用(羽林学院平台)。

开具增值税发票,提供盖章通知、结业证书等相关材料。

【报名优惠政策】

1、3人以上团体报名每人可减少300元;

2、4+1团报,可免费赠送一个名额;

3、上面优惠政策不能同时享受,只能享受其中一种;

老学员参加及推荐学员参加均可额外优惠200元。

培训以收到学员培训费为成功报名,培训座位按收到费用先后顺序安排。

【付费方式】

现金、支票、银行转账、银行汇款、现场刷卡

单位全称:北京市计算中心有限公司

账号:0200151819100023937

开户银行:中国工商银行股份有限公司北京永丰支行

(汇款信息备注:“生物计算——您的姓名”,个人汇款请备注单位名称)

注:款项支出后,请提供付款回执给工作人员,方便核实到账、开具发票。

 

【咨询请联系】

QQ号:3498448850

邮箱:bcc_peixun@163.com

张老师 18618295767(微信同号)

于老师 15621925881

【注】开课前一周会发送邮件通知;若未接到邮件通知,请电话咨询。