 班级规模及环境--热线:4008699035 手机:15921673576( 微信同号) |
|
坚持小班授课，为保证培训效果，增加互动环节，每期人数限3到5人。 |
| 上课时间和地点 |
上课地点：【深圳分部】：电影大厦(地铁一号线大剧院站)/深圳大学成教院 【上海】：同济大学(沪西)/新城金郡商务楼(11号线白银路站) 【北京分部】：北京中山学院/福鑫大楼 【南京分部】：金港大厦(和燕路) 【武汉分部】：佳源大厦（高新二路） 【成都分部】：领馆区1号（中和大道） 【沈阳分部】：沈阳理工大学/六宅臻品 【郑州分部】：郑州大学/锦华大厦 【广州分部】：广粮大厦 【西安分部】：协同大厦 【石家庄分部】：河北科技大学/瑞景大厦
最近开课时间(周末班/连续班/晚班）：请点击此处咨询在线客服 |
| 实验设备 |
☆资深工程师授课
☆注重质量
☆边讲边练
☆合格学员免费推荐工作
★实验设备请点击这儿查看★ |
| 质量保障 |
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。 |
课程大纲 |
| |
图像深度学习课程
课程目标：
通过该课程的学习，学员能够理解深度学习在图像处理方面的原理，优势；掌握主流深度学习框架、环境的搭建及部署；理解如何使用CNN神经网络处理图像，包括样本的标注，选取，训练过程；理解主流语义图像处理网络的原理并学会如何改善性能指标
课程大纲：
主题 |
内容 |
深度学习理论基础 |
神经网络的基本结构
神经网络基本运算单元
CNN卷积神经网络
CNN图像处理的原理
Python及常用深度学习python库
Linux深度学习环境搭建
GPU加速深度学习原理
主流深度学习框架及操作（caffe + tensorflow）
|
主流深度学习网络
|
MNIST卷积网络
Cifar-10卷积网络
Alexnet卷积网络
RNN及LTSM网络
基本CNN网络的训练
|
语义图像识别 |
语义图像识别原理
传统算法与深度算法
样本标注
样本选取的技巧
样本处理原则
|
主流语义识别网络 |
RCNN神经网络
Fast-RCNN神经网络
FCN全卷积网络与图像识别
训练过程与过拟合
模型与网络参数的优化 |
|
|
首页 课程表 在线聊 报名 讲师 品牌 QQ聊 活动 就业
