AI 显然是最近几年非常火的一个新技术方向,从几年前大家认识到 AI 的能力,到现在产业里已经在普遍的探讨 AI 如何落地了。我们可以预言未来在很多的领域,很多的行业,AI 都会在里边起到重要的作用。目前在商业中有所应用,而且能够创收的只有搜索推荐和计算机视觉,人脸识别以及客流分析。
·
了解人工智能方向、热点
·
·
cv简介
·
·
cv技能树构建
·
·
应用领域
·
·
线性与非线性变换
·
·
概率学基础
·
·
熵
·
·
kl散度
·
·
梯度下降法
·
计算机视觉与机器学习基础
· 图像的取样与量化
· 滤波
· 直方图
· 上采样
· 下采样
· 卷积
· 直方图均衡化算法
· 最近邻差值
· 单/双线性差值
· 特征选择方法
· filter等
· 特征提取方法:PCA、LDA、SVD等
· Canny
· Roberts
· Sobel
· Prewitt
· Hessian特征
· Haar特征
· 小孔成像模型
· 相机模型
· 镜头畸变
· 透视变换
计算机视觉与机器学习进阶
· kmeans
· 层次聚类
· 密度聚类
· 谱聚类
· 左右手坐标系及转换
· 万向锁
· 旋转矩阵
· 四元数
· 立体视觉
· 多视几何
· SIFT算法
· PCL点云模型
· spin image
· 三维重构
· SFM算法
· 直通滤波
· 体素滤波
· 双边滤波器
· 条件滤波
· 半径滤波
· 图像增加噪声与降噪
OpenCV详解
· 线性拟合
· 最小二乘法
· RANSAC算法
· 哈希算法
· DCT算法
· 汉明距离
· 图像相似度
· 深度学习简介
· 基本的深度学习架构
· 神经元
· 激活函数详解(sigmoid、tanh、relu等)
· 感性认识隐藏层
· 如何定义网络层
· 损失函数
· 神经网络的推理和训练
· bp算法详解
· 归一化
· Batch Normalization详解
· 解决过拟合
· dropout
· softmax
· 手推神经网络的训练过程
· 使用python从零开始实现神经网络训练
· 构建神经网络的经验总结
· pytorch
· tensorflow
· caffe
· mxnet
· keras
· 优化器详解(GD,SGD,RMSprop等
该视频出品人是王小天,目前就职于BAT之一,AI算法高级技术专家,法国TOP3高校双硕(计算机科学和数学应用双硕士)毕业。
他在人工智能和芯片领域发表10余篇论文,具有深厚的学术背景和丰富的项目及业务落地经验。 工作期间主要负责人工智能业务线CV与NLP相关算法工作,推进人机混合智能、语义分割、机器翻译、虹膜识别等模块的核心算法研究与优化。 对图像分类、物体检测、目标跟踪、自动驾驶、计算机体系结构等有深入的研究。
他兼具理论与实战落地经验,深知初学者学习痛点。说实话,这样资历的人,很难得。
这份教程是他8年人工领域实战经验的凝练,通过讲解和实战操作,让你能做到独立搭建和设计卷积神经网络(包括主流分类和检测网络),从检测模型教学逐步深入,帮你轻松掌握目标检测,并进行神经网络的训练和推理解决各种CV问题。
他对学习者的建议:计算机视觉的提升不在于搭建模型,而在于不断调优、改进过程中积累的经验。
我们该怎么针对不同领域的图像设置不同的参数?其中包括卷积核大小、网络架构、初始权重等等,不可能拿到一个模型,既适合医学图像,又适合人脸识别,这其中就需要n次从70%的精度调到95%以上中积累出经验。
而很多CV从业者觉得搭建出模型就告一段落,反反复复用不同的方式去搭建模型,先是tensorflow搭建完用pytorch搭,pytorch完事后用mxnet再来一遍,Python搭完用c/c++搭,但是至始至终没在精度和经验方面做出前进。
上一篇:人脸识别编辑 人脸识别客流统计
下一篇:我们需要怎样的客流统计方案?