一、培訓簡述
課程中通過細致講解，使學員掌握該技術(shù)的本質(zhì)。具體收益包括：
1.掌握OpenCV的使用；
2.理解卷積神經(jīng)網(wǎng)絡(luò)；
3.掌握Tensorflow的使用；
4.掌握keras的使用；
5.通過各個應(yīng)用場景的實際經(jīng)典項目案例，深入解讀計算機視覺技術(shù)的應(yīng)用。

二、培訓特色
本次培訓從實戰(zhàn)的角度對計算機視覺技術(shù)進行了全面的剖析，并結(jié)合實際案例分析和探討計算機視覺技術(shù)的應(yīng)用場景，給計算機視覺技術(shù)相關(guān)從業(yè)人員以指導和啟迪。

三、培訓時長
共計3天，每天6課時

四、培訓大綱

日程	培訓模塊	培訓內(nèi)容
第一天 上午	OpenCV使用	1.安裝opencv   2.圖像處理基礎(chǔ)   3.圖像運算和轉(zhuǎn)換   4.圖像平滑處理   5.圖像梯度   6.圖像邊緣檢測   7.圖像金字塔   8.人臉檢測和識別
第一天 下午	卷積神經(jīng)網(wǎng)絡(luò)介紹	1.CNN架構(gòu)   2.卷積計算   3.卷積的步長   4.池化   5.Padding   6.MNIST網(wǎng)絡(luò)結(jié)構(gòu)介紹
第二天 上午	Tensorflow使用	1.深度學習框架介紹   2.Tensorflow安裝   3.Tensorlfow基礎(chǔ)知識   4.Tensorflow線性回歸   5.Tensorflow非線性回歸   6.Mnist數(shù)據(jù)集合Softmax講解   7.使用BP神經(jīng)網(wǎng)絡(luò)搭建手寫數(shù)字識別   8.交叉熵(cross-entropy)講解和使用   9.過擬合,正則化,Dropout   10.各種優(yōu)化器Optimizer   11.改進手寫數(shù)字識別網(wǎng)絡(luò)   12.卷積神經(jīng)網(wǎng)絡(luò)CNN的介紹   13.使用CNN解決手寫數(shù)字識別
第二天 下午	keras使用	1.實現(xiàn)線性回歸   2.實現(xiàn)非線性回歸   3.MNIST數(shù)據(jù)集以及Softmax介紹   4.MNIST分類程序   5.交叉熵的應(yīng)用   6.Dropout應(yīng)用   7.正則化應(yīng)用   8.優(yōu)化器介紹及應(yīng)用   9.CNN應(yīng)用于手寫數(shù)字識別   10.cifar-10圖片分類   11.模型的保存和載入   12.繪制網(wǎng)絡(luò)結(jié)構(gòu)
第三天 上午	圖像識別項目	1.介紹Google圖像識別模型Inception-v3   2.使用Inception-v3做圖像識別
	貓狗分類項目	1.圖像數(shù)據(jù)預(yù)處理   2.貓狗分類-簡單CNN   3.貓狗分類-VGG16-bottleneck   4.貓狗分類-VGG16-Finetune
	驗證碼識別項目	1.多任務(wù)學習介紹   2.驗證碼識別項目
第三天 下午	目標檢測項目	1.目標檢測任務(wù)介紹   2.RCNN/Fast-RCNN/Faster-RCNN算法介紹   3.YOLO算法介紹   4.SSD算法介紹   5.目標檢測項目實戰(zhàn)
	目標分割項目	1.目標分割任務(wù)介紹   2.全卷積網(wǎng)絡(luò)   3.雙線性上采樣   4.特征金字塔   5.Mask RCNN算法介紹   6.目標分割項目實戰(zhàn)
	圖像風格遷移項目	1.圖像風格遷移介紹   2.圖像風格遷移項目實戰(zhàn)
	GAN項目	1.生成式對抗網(wǎng)絡(luò)GAN介紹   2.生成式對抗網(wǎng)絡(luò)GAN項目實戰(zhàn)

（注：大綱還可根據(jù)需求進行調(diào)整）

覃棅豐
創(chuàng)業(yè)公司技術(shù)負責人。機器學習，深度學習領(lǐng)域多年一線開發(fā)研究經(jīng)驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關(guān)的人工智能實際項目，研發(fā)經(jīng)驗豐富。擁有兩項國家專利，同時具有多年授課培訓經(jīng)驗，講課通熟易懂，代碼風格簡潔清晰。
 
人工智能相關(guān)工作經(jīng)歷：
上海希格斯網(wǎng)絡(luò)科技有限公司  數(shù)據(jù)挖掘工程師   
1.負責深度學習NLP算法的研究和實現(xiàn)。
2.負責搜索引擎的實現(xiàn)和優(yōu)化。
 
上海索洛信息技術(shù)有限公司     高級算法工程師   
1.負責深度學習圖像算法的研究和實現(xiàn)。
2.負責深度學習語音算法的研究和實現(xiàn)。
 
人工智能相關(guān)項目經(jīng)驗：
人崗匹配項目 負責算法實現(xiàn)   
● 收集了10萬份JD。
● 基于Tensorflow平臺使用LSTM+Attention算法。
● 使用JD訓練職位推薦模型。訓練好的模型可用于分析簡歷描述，并根據(jù)簡歷描述推薦一個或多個適合的職位。
 
項目關(guān)鍵詞提取項目  負責算法實現(xiàn)   
● 收集了10萬份項目描述，并標記好項目中的關(guān)鍵詞。
● 基于Tensorflow平臺使用seq2seq模型。
● 從簡歷的項目描述中提取出該項目中的重點詞匯?？捎糜趦?yōu)化簡歷項目搜索結(jié)果。
 
人才搜索引擎項目  負責搜索引擎的實現(xiàn)和優(yōu)化
● 搭建簡歷搜索引擎服務(wù)。
● 完成學校名，專業(yè)，公司，行業(yè)等模塊的搜索策略
● 完成搜索結(jié)果高亮服務(wù)。
● 修改搜索bug優(yōu)化搜索算法。
 
寵物臉識別項目  負責數(shù)據(jù)處理，算法實現(xiàn)    
● 收集了5萬張狗/貓的照片，并標記好它們臉部的區(qū)域。
● 在Linux下基于Caffe平臺使用Faster-rcnn實現(xiàn)狗/貓臉檢測算法。
● 推出了一款在線小游戲，用戶上傳自己家狗/貓的照片，服務(wù)器接收到照片之后用訓練好的模型檢測照片中狗/貓的臉，并把狗/貓的臉框出來，給它們的長相打一上個分數(shù)，再把處理后的照片反饋給用戶。 
 
寵物品種識別項目 負責數(shù)據(jù)處理，算法實現(xiàn)  
● 收集了19種貓和27種狗的照片，共3萬多張，并做好分類標簽。
● 基于Caffe平臺使用AlexNet，GoogleNet以及自己設(shè)計的網(wǎng)絡(luò)實現(xiàn)寵物品種分類算法。
● 推出了一款在線小游戲，用戶上傳自己家狗/貓的照片，服務(wù)器接收到照片之后用訓練好的模型檢測照片中狗/貓的品種，不同寵物的品種會對應(yīng)不同明星的臉，再把與寵物品種相似的明星臉反饋給用戶。 
 
寵物叫聲情感分類項目  負責數(shù)據(jù)處理，算法實現(xiàn)
● 收集了1萬6千條狗叫聲，分成8個類別。
● 基于Tensorflow平臺使用CNN，LSTM實現(xiàn)狗叫聲情感分類算法。
● 將訓練好的模型放到嵌入式設(shè)備中，實時判斷當前場景是否有狗叫聲，有狗叫聲的話是屬于什么分類。