详情

深度学习与图像案例实践班

深度学习是一种基于神经网络的机器学习技术,近年来在图像处理领域取得了突破性进展。图像处理是深度学习应用最为广泛的领域之一,涉及图像分类、目标检测、语义分割等多个方面。在深度学习和图像处理领域,Python成为了最流行的编程语言,而Pytorch则是目前最受欢迎的深度学习框架之一。为了提高图像处理技能,还需要了解CUDA(Compute Unified Device Architecture),这是一种由NVIDIA推出的并行计算架构,用于加速深度学习算法。通过深度学习和图像处理的结合,可以实现更高水平的计算机视觉和图像识别应用,为未来的科学研究和工业应用提供有力支持。

本课程是一门面向初学者的深度学习与图像案例实践班,旨在通过Python入门、神经网络入门等基础知识的学习,为学员提供实际的图像分类、目标检测、语义分割等实践案例,帮助学员掌握深度学习与图像处理的基本理论和实践技能。本课程将重点介绍深度学习的核心概念,如卷积神经网络、循环神经网络、自编码器等,并结合pytorch深入探讨深度学习在图像分类、目标检测和语义分割等领域的应用。同时,本课程将引导学员使用CUDA进行并行计算,进一步提高计算速度,让学员掌握深度学习与图像处理的实践能力,并将其应用于实际项目中。本课程同样适合已有深度学习基础的学员进一步提高自身实践技能。

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:2024年4月18-19日(周四-周五 上9:30-11:30 下13:30-17:00

日期

主题

内容

实践案例

第一天

上午

Python入门

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

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

7、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

8、SVHN(谷歌街景门牌号码)

9、VOCDetection

10、COCODetection

11、路标检测

12、安全帽检测

13、AI识虫

14、车辆检测

15、吸烟识别预测

基于Pytorch目标检测-Faster RCNN

35、以Faster RCNN为例训练

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

16、遥感影像地块分割

17、人像分割

18、细胞分割

19、Cityscapes(驾驶场景的图像)

20、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:内容以实际发生为准;若调,会提前通知。

目标检测案例:

 图片4.png

图像分割案例:

图片5.png

图形分类案例:

图片6.png

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))。

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。

【咨询请联系】

QQ号:3498448850

邮箱:bcc_peixun@163.com

张老师 18618295767(微信同号)

郭老师 18976866894

【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。