第一天

初識深度學習

概念與術語（人工智能、計算機視覺、深度學習）

Python環(huán)境安裝

什么是Opencv框架

如果準備Pytorch環(huán)境

Window或linux環(huán)境下的準備工作）

實現(xiàn)第一個神經(jīng)網(wǎng)絡

詳解神經(jīng)網(wǎng)絡的組成部分

向量化

值歸一化

處理缺失值

過擬合與欠擬合

權重正則化

Dropout使用

計算機視覺部分

Opencv和python的整合

加載第一張照片

激活基于Python的攝像頭數(shù)據(jù)源

構建一個CNN模型網(wǎng)絡

Conv2D

池化技術

第二天

非線性激活Relu

Mnist數(shù)據(jù)集識別實驗詳解

模型訓練

貓狗照片識別

利用遷移學習進行視覺數(shù)據(jù)分析

VGG模型介紹

InterceptionV3網(wǎng)絡介紹

ResNet介紹

模型權重的保存和加載

模型格式的轉換

利用Flask框架搭建視覺模型的Web部署

視覺檢測類應用的實戰(zhàn)

安裝YoloV4框架

利用Pytorch實現(xiàn)Yolo的物體識別功能

實戰(zhàn)案例1：利用Yolo識別常見的物體

實戰(zhàn)案例2：訓練自定義數(shù)據(jù)集，識別自定義場景

實戰(zhàn)案例3：利用視覺框架制作車載疲勞駕駛檢測器

實戰(zhàn)案例4：結合deepsort框架實現(xiàn)基于視頻流的物體識別和物體計數(shù)跟蹤實戰(zhàn)

課程擴展 -- Pytorch中的OpenNMT

課程擴展 -- 多模型間的格式轉換中間件 ONNX

課程擴展 -- fast.ai 平臺介紹，如何使用免費GPU資源