1、培訓過程中，如有部分內(nèi)容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、課程完成后,授課老師留給學員手機和Email,保障培訓效果,免費提供半年的技術支持。
        3、培訓合格學員可享受免費推薦就業(yè)機會。

• 讓學員能夠聯(lián)合使用Opencv和Tensorflow，完成深度學習案例開發(fā)。1、通過Heatmap特征的講解，認識其原理，并通過Opencv設計自己的樣本標注工具。2、通過實際問題設計loss_function,并使用遷移學習的思想構(gòu)建網(wǎng)絡模型，訓練模型。3、通過兩個示例實現(xiàn)目標識別及其定位回歸。
  適用人群
  想從事深度學習相關工作的或是對于人工智能、深度學習感興趣人，想將深度學習技術引入項目或是產(chǎn)品中。
  課程簡介
  本課程主要基于Heatmap特征的目標識別及其目標定位及回歸，系統(tǒng)平臺基于windows10，使用軟件平臺包括vs2013和Anacond、Tensorflow-1.4.0、Opencv2410、Opencv-python。
• 仔細講解、分析，帶領大家理解Heatmap特征，借鑒Openpose的相關遷移學習相關思想，實現(xiàn)自己的網(wǎng)絡模型（該模型同時具有識別和定位回歸的功能）。
• 通過Opencv設計一個關于Heatmap的標注工具，讓學員可以輕松的制作自己的heatmap特征的標注數(shù)據(jù)集，提供工程源碼，供給學員研究和拓展。
• 另外透徹講解基于Heatmap特征的模型構(gòu)造，及其loss_function設計，一步步代理大家使用Tensorflow進行模型編寫及訓練，最后通過兩個示例將訓練好的模型進行人的頭部和眼睛的識別和位置定位回歸。
• ?
• 具體：
• 第一章：
• 1.1 課程內(nèi)容簡介
• 第二章
• 2.1 Heatmap特征分析
• 2.2 基于Heatmap特征的樣本制作
• 第三章：
• 3.1 制作tfrecords樣本數(shù)據(jù)集
• 3.2 構(gòu)建網(wǎng)絡模型
• 3.3 訓練網(wǎng)絡模型（包括網(wǎng)絡模型的2次訓練，即在已有模型的基礎上進行再次訓練）
• 第四章：
• 4.1 目標識別及定位示例--人臉識別及定位。
• 4.2 目標識別及定位示例--人眼識別及定位。
  第1章課程內(nèi)容簡介
  1-1課程內(nèi)容簡介
  第2章關于heatmap樣本特征 分析及制作
  2-1heatmap特征分析
  2-2基于heatmap特征的樣本制作
  第3章構(gòu)建深度學習模型及訓練
  3-1制作tfrecords樣本數(shù)據(jù)集
  3-2構(gòu)建heatmap網(wǎng)絡模型
  3-3訓練heatmap網(wǎng)絡模型
  第4章使用訓練好的模型 進行目標識別及定位示例
  4-1人臉識別及定位
  4-2人眼識別及定位