124分钟
深度学习——神经网络实战精讲
卷积神经网络（CNN）在计算机视觉领域已经取得了巨大成功，当前众多传统计算机视觉算法已经被深度学习所替代，这也导致深度学习以及卷积神经网络成为研究的热点。图像识别是计算机视觉领域最基本、最核心的问题，…
卷积神经网络（CNN）在计算机视觉领域已经取得了巨大成功，当前众多传统计算机视觉算法已经被深度学习所替代，这也导致深度学习以及卷积神经网络成为研究的热点。图像识别是计算机视觉领域最基本、最核心的问题，其常用算法也正是卷积神经网络。
本门课程我们将对卷积神经网络进行深入探究，课程从卷积神经网络原理与图像识别核心模块两个部分展开，全面讲解卷积神经网络的基本概念与典型应用。
与此同时，我们还将引导学员运用CNN训练图像分类模型，从数据预处理到网络模块设置再到网络模型的保存与测试，带领学员从理论到应用，一步步掌握卷积神经网络。
一、卷积神经网络原理与参数解读
- 1.卷积神经网络应用领域
- 2.卷积的作用
- 3.卷积特征值计算方法
- 4.步长与卷积核大小对结果的影响
- 5.特征图尺寸与池化层
- 6.网络架构与残差网络
- 7.残差网络Resnt与感受野
二、图像识别核心模块实战解读
- 1.卷积网络参数定义
- 2.网络流程解读
- 3.Vision模块与分类任务数据集定义与配置
- 4.数据预处理与数据增强模块
- 5.Batch数据制作
唐宇迪
同济大学硕士，华东理工大学博士