課程目標(biāo)：

　　通過本次深度學(xué)習(xí)培訓(xùn)，學(xué)員能夠理解深度學(xué)習(xí)在圖像處理方面的原理，優(yōu)勢;掌握主流深度學(xué)習(xí)框架、環(huán)境的搭建及部署;理解如何使用CNN神經(jīng)網(wǎng)絡(luò)處理圖像，包括樣本的標(biāo)注，選取，訓(xùn)練過程;理解主流語義圖像處理網(wǎng)絡(luò)的原理并學(xué)會如何改善性能指標(biāo)

　　課程大綱：

　　1.深度學(xué)習(xí)理論基礎(chǔ)

　　神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)

　　神經(jīng)網(wǎng)絡(luò)基本運算單元

　　CNN卷積神經(jīng)網(wǎng)絡(luò)

　　CNN圖像處理的原理

　　Python及常用深度學(xué)習(xí)python庫

　　Linux深度學(xué)習(xí)環(huán)境搭建

　　GPU加速深度學(xué)習(xí)原理

　　主流深度學(xué)習(xí)框架及操作(caffe + tensorflow)

　　2.主流深度學(xué)習(xí)網(wǎng)絡(luò)

　　MNIST卷積網(wǎng)絡(luò)

　　Cifar-10卷積網(wǎng)絡(luò)

　　Alexnet卷積網(wǎng)絡(luò)

　　RNN及LTSM網(wǎng)絡(luò)

　　基本CNN網(wǎng)絡(luò)的訓(xùn)練

　　3.語義圖像識別

　　語義圖像識別原理

　　傳統(tǒng)算法與深度算法

　　樣本標(biāo)注

　　樣本選取的技巧

　　樣本處理原則

　　4.主流語義識別網(wǎng)絡(luò)

　　RCNN神經(jīng)網(wǎng)絡(luò)

　　Fast-RCNN神經(jīng)網(wǎng)絡(luò)

　　FCN全卷積網(wǎng)絡(luò)與圖像識別

　　訓(xùn)練過程與過擬合

　　模型與網(wǎng)絡(luò)參數(shù)的優(yōu)化