北大女神帶你進入計算機視覺的神奇世界 | 新課上線

來自專欄人工智慧學習筆記15 人贊了文章

高中生也能輕鬆玩轉神經網路？同學，你太年輕！

進入2018年，深度學習已經成為廣為人知，門檻不斷降低，甚至一些高中生就可以輕鬆跑通深度學習程序。程序員們紛紛自嘲：我是一個跑模型的「煉丹師」。

但只會用現成的 AI 工具還遠遠不夠，區分「高中煉丹師」和「高級煉丹師」的，是你有沒有紮實的知識積澱，能不能緊跟領域前沿。

新課上線：為你的機器裝上一雙慧眼

集智AI學園開設《計算機視覺和深度學習》系列課程，致力於幫助各位「煉丹師」提高在計算機視覺領域中的深度學習技術水平，幫你獲得系統的知識基礎，詳細介紹計算機視覺領域熱門深度學習網路結構和應用。

本課程不僅詳細系統地講解了計算機視覺的基礎原理，還會介紹計算機視覺領域的前沿技術，非常適合對深度學習和計算機視覺有過了解，但是缺乏系統性的細節知識的同學學習。

• 形式：線上直播課程，學園群內交流，助教在線指導
• 時間：7月16日開課，每周一、周五晚7:30-9:30

http://campus.swarma.org/gpac=10484 (二維碼自動識別)

尉方音，畢業於北京大學信息科學技術學院，即將赴普林斯頓大學攻讀計算機科學博士學位。

研究興趣包括計算機視覺和深度學習，曾在微軟亞洲研究院和商湯科技相關研發團隊實習。

曾在計算機視覺頂級會議發表論文：

Recurrent scale approximation for object detection in cnn

發表於 IEEE International Conference on Computer Vision, 2017

http://openaccess.thecvf.com/content_ICCV_2017/papers/Liu_Recurrent_Scale_Approximation_ICCV_2017_paper.pdf

Exploring disentangled feature representation beyond face identification

收錄於 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018

http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_Exploring_Disentangled_Feature_CVPR_2018_paper.pdf

課程大綱：計算機視覺與深度學習入門指南

1.計算機視覺中的深度學習概述

目前大火的深度學習所依賴的人工神經網路，是如何在一次次起落中發展的呢？神經網路的基本組成和常見訓練技術都有哪些？深度學習在計算機視覺領域中的熱門應用有哪些？

特徵歸一化的應用場景，理解歸一化的目的和作用，並靈活合理使用。

3.激活函數、過擬合抑制、其他網路訓練的黑科技

訓練深度神經網路之所以被人戲稱為「煉丹」，是因為深度神經網路作為一個龐大的系統包含了太多的參數。要想得到一個好的深度學習系統或模型，還有很多黑科技需要掌握。

4.常用深度神經網路模型簡介

我們已清楚了人工神經網路的各個組成部分及網路訓練技巧，如何獲得一個超高性能的網路結構？

5.進階模型：GAN與AutoEncoder

熱門高階神經網路模型，如AutoEncoder，GAN等，這些神經網路模型不僅結構特異，而且經常能獲得出乎意料的效果。

6.典型應用：深度學習物體檢測

物體檢測是計算機視覺領域的經典問題。近年來，深度學習憑藉其強大的特徵提取能力為這個經典領域帶來了令人驚嘆的性能提升。通過本節的學習，你將能夠細數物體檢測問題中重要的深度學習演算法，釐清其發展脈絡和各自優劣。

7.深度實例分析：可控人臉變換和高準確率人臉識別

以一個具體任務為例，掌握在計算機視覺中進行深度學習的整體流程。細緻了解實現人臉識別和生成的過程，了解當下人臉特徵提取的研究現狀。

限時優惠：7節直播僅需99元

系列直播課原價199元

限時優惠價：99元（可開發票）

學生福利：超值特惠49元

為給在校大學生提供更好的學習機會，特惠學生票只需49元！

http://campus.swarma.org/tablepublish/stpromotion?activity_id=518 (二維碼自動識別)

不是學生?

不是在校學生？沒關係，掃描海報中的二維碼，也可獲取學生票！

集智QQ群｜292641157

商務合作及投稿轉載｜swarma@swarma.org

搜索公眾號：集智俱樂部

加入「沒有圍牆的研究所」

http://weixin.qq.com/r/NDsxKXDEti3JrTRK924m (二維碼自動識別)

推薦閱讀：