随报随学 | 共10课 | ★★★ |
开课时间 | 课程周期 | 难易度 |
第一课:课程综述:由人工特征的百花齐放到深度学习的一统江湖
1.由人脸识别的技术变迁引出今日DNN技术的现状和优势;
2.本门课程的价值
3.整个课程的预设提纲
4.展实验的基本准备
第二课:基本环境构建、基础知识框架、基本数据准备,将FaceDnn实现
为了本课程内容,需要构建的基本环境。分为几个部分来组成,并且一次性分享资料。
1. 基础环境
2. 基础数据
3. 识别过程
4. 实时视频框架
第三课:OpenCV自带dnn的Example研究(1)
简单来说,三到六课,我们就是要研究OpenCV自己所附带的、较高质量的代码中,DNN是如何发挥作用的。
1. classification
2. colorization
3. object_detech
4. models.yml研究
第四课:OpenCV自带dnn的Example研究(2)
1. open_pose
2. segmentation
3. text_detection
第五课:OpenCV自带dnn的Example研究(3)
style transfer这个深度学习杀手应用的历史由来、实现要点和部署考虑。
第六课:基于OpenVINO的车辆检测
第七课:基于OpenVINO的道路分割监测
第八课:基于OpenVINO的实时人脸表情
第九课:实施视频处理GUI程序
实践知识帮助你了解现实世界的复杂性。这些解决方案有时是混乱的,但它们是有效的。它们通常要求您使用各种工具的组合。他们要求你以系统的方式处理这个问题。具体来讲,如何构建一个能够实际运行的程序,在本章中将讲解这些内容。
win10+vs2017+opencv4.1
ubuntu18.04
1、 学习方式:老师发布教学资料、教材,幻灯片和视频,学员通过网络下载学习。同时通过论坛互动中老师对学员进行指导及学员之间相互交流。
2、 学习作业:每课均有布置课后作业,学员完成书面作业后则可进入下一课学习。
3、 老师辅导:通过论坛站内信及邮件等多种方式与老师进行一对一互动。
4、 完成课程:最后一课作业交纳后,老师完成作业批改,即可完成课程并取回相应剩余的逆向学费。
GMT+8, 2024-11-13 14:36 , Processed in 0.080432 second(s), 32 queries .