当前位置:首页 > 公开课 > 职业技能 > Python+计算机图像(视觉)处理培训班

Python+计算机图像(视觉)处理培训班

关注度:500   编号:265239
举办时间:
(本期已结束,点此查询其它计划)
Python+计算机图像(视觉)处理培训班
点击报名 添加到购物车
计算机图像处理课程,旨在帮助从实战的角度对计算机视觉技术进行了全面的剖析,并结合实际案例分析和探讨计算机视觉技术的应用场景,给予计算机视觉技术培训相关从业人员进行指导和启迪;并且通过各个应用场景的实际经典项目案例,深入解读计算机视觉技术的图像处理技巧
视觉技术图像处理处理技巧实际应用

Python+计算机图像(视觉)处理培训班课程特色与背景

  培训收益
  课程中通过细致讲解,使学员掌握该技术的本质。具体收益包括:
  1.掌握OpenCV的使用;
  2.理解卷积神经网络;
  3.掌握Tensorflow的使用;
  4.掌握keras的使用;
  5.通过各个应用场景的实际经典项目案例,深入解读计算机视觉技术的应用。
  培训特色
  本次培训从实战的角度对计算机视觉技术进行了全面的剖析,并结合实际案例分析和探讨计算机视觉技术的应用场景,给计算机视觉技术相关从业人员以指导和启迪。
 
  证书颁发
  颁发《计算机图像(视觉)处理高级工程师》证书,可作为专业技术人员职业能力考核的证明,以及专业技术人员岗位聘用、任职、定级和晋升职务的重要依据。

课程大纲

日程
培训模块
培训内容
第一天
上午
OpenCV使用
  1.安装opencv
  2.图像处理
相关内容导读“图像处理”
PPT尖端演示—商业呈现的演示密码  广州 2019/11/8(2天)

PPT在企业管理中的高级应用课程详细介绍制作优秀幻灯片的必备元素,涉及到幻灯片的信息整理、页面布局、版面设计、色彩设计等专业领域,并通过介绍当前的典型幻灯片流派以扩充学员知识面。除此之外,动手实践环节中我们设置了多个幻灯片制作技巧,包括了详尽的图形、图像处理技巧和演示播放技巧,以辅助学员创建出图文兼备,让人印象深刻的幻灯片。

基础
  3.图像运算和转换
  4.图像平滑处理
  5.图像梯度
  6.图像边缘检测
  7.图像金字塔
  8.人脸检测和识别
第一天
下午
卷积神经网络介绍
  1.感受野,权值共享
  2.卷积计算
  3.卷积的步长
  4.池化
  5.Padding
  6.MNIST网络结构介绍
第二天
上午
Tensorflow使用
  1.深度学习框架介绍
  2.Tensorflow安装
  3.Tensorlfow基础知识:图,变量,fetch,feed
  4.Tensorflow线性回归
  5.Tensorflow非线性回归
  6.Mnist数据集合Softmax讲解
  7.使用BP神经网络搭建手写数字识别
  8.交叉熵(cross-entropy)讲解和使用
  9.过拟合,正则化,Dropout
  10.各种优化器Optimizer
  11.改进手写数字识别网络
  12.卷积神经网络CNN的介绍
  13.使用CNN解决手写数字识别
第二天
下午
keras使用
  1.实现线性回归
  2.实现非线性回归
  3.MNIST数据集以及Softmax介绍
  4.MNIST分类程序
  5.交叉熵的应用
  6.Dropout应用
  7.正则化应用
  8.优化器介绍及应用
  9.CNN应用于手写数字识别
  10.cifar-10图片分类
  11.模型的保存和载入
  12.绘制网络结构
第三天
上午
图像识别项目
  1.介绍Google图像识别模型Inception-v3
  2.使用Inception-v3做图像识别
猫狗分类项目
  1.图像数据预处理
  2.猫狗分类-简单CNN
  3.猫狗分类-VGG16-bottleneck
  4.猫狗分类-VGG16-Finetune
第三天
下午
验证码识别项目
  1.多任务学习介绍
  2.验证码识别项目
目标检测项目
  1.目标检测任务介绍
  2.RCNN/Fast-RCNN/Faster-RCNN算法介绍
  3.YOLO算法介绍
  4.SSD算法介绍
  5.目标检测项目实战
第四天
上午
目标分割项目
  1.目标分割任务介绍
  2.全卷积网络
  3.双线性上采样
  4.特征金字塔
  5.Mask RCNN算法介绍
  6.目标分割项目实战
第四天
下午
图像风格迁移项目
  1.图像风格迁移介绍
  2.图像风格迁移项目实战
GAN项目
  1.生成式对抗网络GAN介绍
  2.生成式对抗网络GAN项目实战
第五天
业内经验交流

课程主讲

蒋老师  
   清华大学博士,人工智能专家 机器学习,深度学习领域多年一线开发研究经验,精通python、算法原理与编程实践。现就职于某大型国有科技公司从事大数据和人工智能的应用和开发。丰富的项目实战经验,对大数据的收集、处理、数据挖掘在实际应用
相关内容导读“实际应用”
钣金件的冲压工艺与设计  广州 2019/4/21(1天)

钣金件的冲压工艺与设计课程,旨在帮助了解常用钣金成形性能入手,对材料,钣金件的结构设计、工艺;掌握工程师,技术主管,采购,品质等钣金件知识;学习冲压工艺和重裁的过程;了解钣金件的设计及生产中的实际应用;掌握钣金件的材料选择、结构设计、工艺分析及综合应用。

钣金件的冲压工艺与设计  广州 2019/4/21(1天)

钣金件的冲压工艺课程,旨在帮助了解材料选择、结构设计、工艺分析及综合应用等;掌握工程师,技术主管,采购,品质等钣金件知识;学习冲压工艺和重裁的过程;了解钣金件的设计及生产中的实际应用;掌握钣金件的材料选择、结构设计、工艺分析及综合应用。

DFMA—面向可制造性的设计与工艺优化  苏州 2019/4/22(2天)

DFMA—面向可制造性的设计与工艺优化课程是面向多范围汽车零部件的, 重点讲述系统化的技术方法,工具,实际应用,就是工程部门可以怎样做,做些什么, 包括企业的项目管理如何有效地把DFMA组织起来,形成一种可以复制的经验。

Python大数据机器学习实战  上海 2019/4/26(4天)

Python大数据机器学习实战培训,从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、以实际应用案例分析各种算法的选择等,强化矩阵运算、概率论、数理统计的知识运用,掌握机器学习根本,提高在实际工作中选择算法的能力。

中有深刻的认识。致力于利用大数据、人工智能在企业决策规划、语义理解、数据可视化方面的应用。具有多年授课培训经验,讲课通熟易懂,代码风格简洁清晰。
覃老师  
   上海大学物理学硕士,创业公司合伙人,技术总监。机器学习,深度学习领域多年一线开发研究经验,精通算法原理与编程实践。曾使用Tensorflow,Caffe,Keras等深度学习框架完成过多项图像,语音,nlp,搜索相关的人工智能实际项目,研发经验丰富。拥有两项国家专利。同时具有多年授课培训经验,讲课通熟易懂,代码风格简洁清晰。
赵老师  
   计算机博士,目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金2项、中国博士后科研基金、上海市浦江人才、IBM Shared University Research以及多项企业合作课题等项目。已在《管理科学学报》、《系统工程学报》、Knowledge and Information Systems ,Information Processing & Management,Information Systems Frontiers等国内外刊物和学术会议发表论文90多篇,其中被SCI、EI收录40多篇。出版著作和教材《智能化的流程管理》、《客户智能》、《商务智能(第四版)》、《商务智能 数据分析的管理视角(第三版)》、《数据挖掘实用案例集》等多部。
备  注

课程费用:9800元/人(含培训费、场地费、考试证书费、资料费、学习期间午餐),食宿可统一安排,费用自理。

关注本课程网友还浏览了从技术走向管理注塑技术管理培训专题

推荐课程
职业技能相关课程
相关专题推荐
相关文档下载
相关文章
  • 如何报名参加公开课?
  • 报名流程一:
  • 电话咨询、传真报名表 -> 书面确认并缴费 -> 参加培训 (下载报名表)
  • 报名流程二:
  • 网上填写报名表 -> 书面确认并缴费 -> 参加培训
  • 咨询热线:
  • 深圳 0755-26063246   26063236
  • 上海 021-51879301    北京 18910826048、010-51651498
  • 报名传真:
  • 深圳 0755-61624059    上海 021-51686940    北京 010-58043505
  • 电子邮件:
  • kf#cnbm.net.cn    fy1288#vip.163.com(发邮件时请将#改为@)
课程主题:
Python+计算机图像(视觉)处理培训班
课程编号:265239 
*开课计划:
本期已结束,您仍可报名预约下次课程。或点击查询其它开课计划。
*姓  名:
*性  别:  
*职务:
*部门:
*电话:
*手机:
传真:
*E-Mail:
*参加人数:
其他人员:
   
   
   
   
   
   
   
*单位名称:
通信地址:
备注:
(如多人报名、需代订酒店等补充信息请填写到备注栏)
*验证码:
  看不清?点一下验证码换一组
 
(* 为必填项)
   
暂无评论,快来添加一条!
点击这里提交你的留言