计算机视觉与深度学习实战

2018 年 2 月 9 日 炼数成金订阅号
计算机视觉与深度学习实战

在当今的信息化社会,图像是人类赖以获取信息的最重要来源之一。随着计算机技术的迅猛发展,图像技术与计算机技术不断融合,产生了一系列图像处理软件如 MATLAB 等,这些软件的广泛应用为图像技术的发展提供了强大的支持。MATLAB已成为国际公认的最优秀的科技应用软件之一,具有编程简单、数据可视化功能强、可操作性强等特点,而且配有功能强大、专业函数丰富的图像处理工具箱,是进行图像处理必备的软件工具。现有的 MATLAB 图像处理著作多是讲解图像处理中的经典理论与算法,鲜有解决实际问题的案例。在本课程中,老师将自己在多年的实践中积累的案例与学生分享,其中关于图像去雾、图像去噪、图像识别等方面的相关内容都紧跟图像研究热点,对于刚开始接触相关领域的研究者来说,是很好的入门教程。


本课程的一大特点是对于每个案例都有详细的理论基础介绍,并配备了实例代码和注释,不仅可以让初学者很快学习到代码编写方面的知识,还可以让读者在动手实践的过程中深入理解所研究的相关问题。本课程将代码讲解融入实际的案例中,相比其他基础书籍更加生动形象,解决了读者在实践过程中遇到的具体、实际的技术难点,为学生提供了直接的技术支持。


本课程共12节课,分为三大部分,在实际中将覆盖如下案例。


课程大纲:

一. 计算机视觉基础案例

第1课 图像增强基础案例

课程引入——白金还是蓝黑?生物视觉模拟解密应用

基于直方图优化的图像去雾技术

基于形态学的权重自适应图像去噪


第2课 图像分割基础案例

课程引入——自定义动画文本生成应用

基于多尺度形态学提取眼前节组织

基于K-means聚类算法的图像区域分割

基于 Hough 变化的答题卡识别

基于阈值分割的车牌定位识别


第3课 视频处理基础案例

课程引入——大话西游牌匾制作

视频处理基础工具

搭建基础的视频处理框架

基于模型的人脸识别基础以及网络图片爬虫

基于CNN的影视明星人脸检测与识别应用


二. 计算机视觉进阶案例

第4课 医学影像应用案例

课程引入——某鸡蛋生产线定位及统计

基于分水岭分割进行肺癌诊断

基于最小误差法的胸片分割

基于区域生长的肝脏影像分割系统


第5课 模式识别应用案例

课程引入——腾讯二维码解析

基于主成分分析的人脸二维码识别

基于知识库的手写体数字识别

基于特征匹配的英文印刷字符识别

基于不变矩的数字验证码识别


第6课 图像融合应用案例

基于小波技术进行图像融合

基于块匹配的全景图像拼接


第7课 图像压缩应用案例

基于霍夫曼图像压缩重建

基于主成分分析的图像压缩和重建

基于小波的图像压缩技术


第8课 图像特征应用案例

课程引入——模拟色盲检测的应用

基于Hu不变矩的图像检索技术

基于Harris的角点特征检测

基于K聚类的彩色图像自动汇聚技术

基于Sift特征点的人民币区域检测


第9课 图像控制应用案例

课程引入——图像特效控制应用

基于语音识别的信号灯图像模拟控制技术

基于小波变换的数字水印技术

基于齿轮转动声音的故障诊断系统

基于压缩感知的目标跟踪应用


三. 计算机视觉系统案例

第10课 图像综合应用案例

课程引入——红色咖啡杯的跟踪

基于Camshift的人脸跟踪应用

基于Camshift的手部跟踪应用

基于帧间差法进行视频目标检测

路面裂缝检测识别系统设计

基于AlexNet的迁移学习应用


第11课 深度学习应用案例

基于AlexNet的烟叶成熟度鉴别应用

基于AlexNet的昆虫鉴别应用

基于AlexNet及SVM的多维学习应用

基于深度学习的字符识别应用

基于DNN的图像去噪应用

基于GoogLeNet的场景识别应用

基于AlexNet的隐层可视化研究


第12课 实践总结课

基于CNN的图像倾斜角度计算

基于RCNN的交通标志牌检测

基于VGG的语义分割应用

基于OCR的图片文字定位应用


授课时间:

本期课程预计2018年2月9日开课,预计课程持续时间为13周。


课程环境:

windows + Matlab


授课对象:

本课程以案例为基础,结构布局紧凑,内容深入浅出,实验简捷高效,适合计算机、信号通信和自动化等相关专业的本科生、研究生、教师,以及广大从事数字图像处理的工程研发人员进行实践。


预期收获:

本课程对每个数字图像处理的知识点都提供了丰富生动的案例素材,并详细讲解了其 MATLAB 实验的核心程序,通过对这些示例程序的阅读理解和仿真运行,学员可以更加深刻地理解图像处理的内容,并且更加熟练地掌握 MATLAB 中各种函数在图像处理领域中的用法。


讲师介绍 :

lyqmath,计算机视觉算法工程师,研究生毕业于大连理工大学数学科学学院计算几何与图形图像重点实验室。多年来一直从事计算机视觉应用开发,涉及到互联网海量图像/声纹/视频检索、基于OCR的图文大数据应用系统,医疗影像大数据应用系统、图像版权防盗检测系统、安防智能监控系统等实际项目的算法架构与研发工作,对十亿级规模的以图搜图、互联网图像数据采集与挖掘等方面进行过深入的研究与应用,对图像与视频大数据分析具有深刻的认识。曾参与多项国家级核心项目的研发,取得一系列具有实用价值的成果。通过对项目的技术积累,已出版《MATLAB图像与视频处理实用案例详解》、《Matlab数值计算案例分析》、《Matlab N个实用技巧》、《Matlab 计算机视觉与机器认知》等多部图书,新书《MATLAB计算机视觉与深度学习实战》已出版,并作为本课程的参考教材,覆盖计算机视觉及深度学习的多个案例。


点击下方二维码或阅读原文报名课程:

登录查看更多
6

相关内容

图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。

简介: TensorFlow 是目前使用最广泛的机器学习框架,满足了广大用户的需求。如今 TensorFlow已经更新到 2.x 版本,具有更强的易用性。本书通过大量的实例讲解在 TensorFlow 框架上实现人工智能的技术,兼容 TensorFlow 1.x与 TensorFlow 2.x 版本,覆盖多种开发场景。书中的内容主要源于作者在代码医生工作室的工作积累。作者将自己在真实项目中使用TensorFlow 的经验与技巧全部写进书里,让读者可以接触到最真实的案例、最实战的场景,尽快搭上人工智能的“列车”。

目录:

  • 第一章:学习准备
  • 第二章:搭建开发环境
  • 第三章:实例:用AI模型识别图像是桌子、猫、狗,还是其他
  • 第四章:用Tensorflow制作自己的数据集
  • 第五章:10 分钟快速训练自己的图片分类模型
  • 第六章:用 TensorFlow 编写训练模型的程序
  • 第七章:特征工程——会说话的数据
  • 第八章:卷积神经网络(CNN)——在图像处理中应用最广泛的模型
  • 第九章:循环神经网络(RNN)——处理序列样本的神经网络
  • 第十章:生成式模型——能够输出内容的模型
  • 第十一章:模型的攻与防——看似智能的 AI 也有脆弱的一面
  • 第十二章:TensorFlow 模型制作——一种功能,多种身份
  • 第十三章:部署 TensorFlow 模型——模型与项目的深度结合
  • 第十四章:商业实例

代码医生工作室,是一家只做AI技术相关业务的公司。主要从事企业咨询、培训及算法外包服务。另外还有部分图书出版和个人培训等相关业务。工作室的使命有三点:  为企业赋能。帮助企业拥有AI的能力。提升商业价值。  为AI技术的推广与发展做共贡献  帮助更多的人掌握AI技术。

成为VIP会员查看完整内容
《深度学习之TensorFlow工程化项目实战》李金洪PDF.pdf
1
168
小贴士
相关资讯
计算机视觉方向简介 | 三维重建技术概述
计算机视觉life
13+阅读 · 2019年6月13日
卷积神经网络从入门到精通
人工智能头条
4+阅读 · 2019年3月29日
人脸识别入门实战
人工智能头条
4+阅读 · 2018年12月12日
深度学习,我们不做“调参工”
计算机视觉life
4+阅读 · 2018年10月16日
资源 | 《Keras图像深度学习实战》
AI研习社
13+阅读 · 2018年9月19日
OpenCV计算机视觉产品实战
炼数成金订阅号
10+阅读 · 2017年9月22日
MATLAB计算机视觉与深度学习实战
炼数成金订阅号
4+阅读 · 2017年8月4日
“计算机视觉”到底是个啥?
AI100
5+阅读 · 2017年8月3日
相关论文
Seeing What a GAN Cannot Generate
David Bau,Jun-Yan Zhu,Jonas Wulff,William Peebles,Hendrik Strobelt,Bolei Zhou,Antonio Torralba
5+阅读 · 2019年10月24日
OD-GCN: Object Detection by Knowledge Graph with GCN
Zheng Liu,Zidong Jiang,Wei Feng
4+阅读 · 2019年9月30日
Improving CNN-based Planar Object Detection with Geometric Prior Knowledge
Jianxiong Cai,Hongyu Chen,Laurent Kneip,Sören Schwertfeger
5+阅读 · 2019年9月23日
HyperGCN: A New Method of Training Graph Convolutional Networks on Hypergraphs
Naganand Yadati,Madhav Nimishakavi,Prateek Yadav,Vikram Nitin,Anand Louis,Partha Talukdar
8+阅读 · 2019年5月22日
Car Detection using Unmanned Aerial Vehicles: Comparison between Faster R-CNN and YOLOv3
Bilel Benjdira,Taha Khursheed,Anis Koubaa,Adel Ammar,Kais Ouni
3+阅读 · 2018年12月28日
Wenhui Zhang,Tejas Mahale
3+阅读 · 2018年12月13日
Joachim D. Curtó,Irene C. Zarza,Fernando De La Torre,Irwin King,Michael R. Lyu
4+阅读 · 2018年5月10日
Seyed Mehran Kazemi,David Poole
7+阅读 · 2018年2月13日
Gui-Song Xia,Xiang Bai,Jian Ding,Zhen Zhu,Serge Belongie,Jiebo Luo,Mihai Datcu,Marcello Pelillo,Liangpei Zhang
14+阅读 · 2018年1月27日
Ilias Diakonikolas,Gautam Kamath,Daniel M. Kane,Jerry Li,Ankur Moitra,Alistair Stewart
3+阅读 · 2017年12月14日
Top