1.计算机视觉的基础

图像预处理

图像显示与储存原理
图像增强的目标

2.深度学习的理论基础

BP神经网络详解
卷积神经网络

深度学习基础

梯度下降的优化

选择合适的loss函数

image.png
image.png

选择合适的激活函数

image.png

why not Sigmoid

image.png

Relu

image.png
image.png

选择合适的学习步长(学习率)

image.png

各种梯度下降的算法

why

image.png

概念：Momentum(动量)

image.png
image.png

Adagrad

image.png

RMSprop

image.png

Adam

image.png

各种梯度下降算法的比较

image.png
image.png

算法选择

image.png
image.png

Batch Normalization批归一化

why

image.png

步骤

image.png

避免过适应

image.png

解决方法

早期停止训练

image.png

权重衰减

image.png

Dropout

image.png

测试时权重应减小

image.png

卷积神经网络

卷积层的误差反向传播（复杂没听）

区域卷积神经网络R-CNN
第1阶段：R-CNN
第2阶段：YOLO->SSD->R-FCN
目的：
jian’ce

3.深度学习在计算机视觉的应用

图像分类

image.png

ILSVRC竞赛

image.png

ImageNet数据集

image.png

ImageNet性能进化

image.png

常见的CNN

image.png
image.png

Alexnet

image.png
image.png

局部响应归一化（后来被认为没用）

image.png

Network- in- Network

image.png

1*1卷积层

image.png

VGG

VGG网络（层数变深了）

image.png

image.png

GoogLeNet（Inception V1 V2 V3）

image.png

InceptionV1

image.png
image.png

Inception V2

image.png
image.png
image.png

InceptionV3

image.png
image.png

总结

image.png

ResNet残差网络

ResNeXt网络

image.png
image.png

CNN设计准则

image.png

应用案例

VGG

ResNet

图像检测

25：00

图像分割

语义分割Semantic Segment

简介

image.png
image.png

算法研究阶段

image.png

全卷积网路（Fully Convolutional Network）FCN

image.png

FCN-反卷积

image.png
DeepLab

三大数据集介绍

代码演示

图像描述