1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、课程完成后,授课老师留给学员手机和Email,保障培训效果,免费提供课后答疑。
        3、培训合格学员可享受免费推荐就业机会。

第1章课程介绍
1-1课程内容及特色
第2章深度学习基础
2-1深度学习发展简史
2-2神经网络基本知识
2-3神经网络训练：反向传播算法、计算图
2-4神经网络训练：训练流程、损失函数、优化目标、梯度下降
2-5神经网络训练：梯度下降训练策略
2-6梯度下降各种优化算法
2-7卷积神经网络：网络架构
2-8卷积神经网络：卷积运算
2-9卷积神经网络：非线性激活
2-10卷积神经网络：池化、归一化、全连接层
2-11LeNet-5
2-12卷积神经网络实践技巧：数据增强、数据预处理、批次归一化
2-13卷积神经网络实践技巧：参数初始化、超参数设定、过拟合与避免
2-14卷积神经网络实践技巧：网络正则化方法
2-15实践篇：开发环境搭建
2-16实践篇：Keras与Tensorflow框架介绍
2-17实践篇：项目案例-MNIST手写数字识别
第3章图像分类
3-1任务、数据集、网络模型演进
3-2AlexNet
3-3VGGNet
3-4NiN(Network in Network)
3-5GoogLeNet
3-6BN_Inception
3-7InceptionV2, InceptionV3
3-8InceptionV4,Inception-ResNet
3-9ResNet
3-10ResNeXt
3-11DenseNet
3-12SqueezeNet
3-13Xception
3-14MobileNet1
3-15MobileNetV2
3-16ShuffleNet1
3-17ShuffleNetV2
3-18实践篇：基于VGGNet的迁移学习实现餐具数据集上的图像分类
第4章目标检测
4-1任务、数据集
4-2性能指标
4-3网络模型演进
4-4R-CNN
4-5SPP-net
4-6Fast R-CNN
4-7Faster R-CNN
4-8R-FCN
4-9YOLOv1
4-10YOLOv2
4-11YOLOv3
4-12SSD
4-13DSSD
4-14RetinaNet
4-15实践篇：项目案例-使用RetinaNet进行目标检测
4-16实践篇：项目案例-使用YOLOv3进行目标检测
第5章图像分割
5-1语义分割-任务、数据集、网络模型演进
5-2语义分割-上采样方法：去池化、反卷积
5-3语义分割-上采样方法：膨胀卷积
5-4语义分割-FCN
5-5语义分割-DeconvNet
5-6语义分割-SegNet
5-7语义分割-U-Net
5-8语义分割-DeepLabV1
5-9语义分割-DeepLabV2
5-10语义分割-DeepLabV3_V3plus
5-11语义分割 - RefineNet
5-12语义分割 - PSPNet
5-13语义分割 - GCN
5-14实例分割-Mask R-CNN
5-15全景分割-任务、数据集、评价指标
5-16全景分割-Panoptic FPN
5-17实践篇：项目案例-使用Mask R-CNN进行实例分割