课程介绍

课程目录

• 第一阶段 深度学习基础篇
• 逻辑回归与梯度下降法
• 凸函数与凸优化
• BP算法的讲解
• Tensorflow、Kersa、PyTorch的使用教程
• GPU配置，安装，训练模型及评估
• Conv2D，Conv2DTranspos详解
• Dropout, Batch Normalization详解
• 如何自定义网络层，损失函数
• 深度学习中的调参技术. 解决过拟合与欠拟合
• 激活函数详解：Sigmoid, Softmax, tanh, softplus, ReLU, hard_sigmoid, linear, exponential, LeakyReLU, PReLU, ELU.
• 优化器详解：GD，SGD，MiniBatch GD，Nesterov，RMSprop，Adagrad，Adadelta，Adam.
• 第二阶段 多模态模型
• 什么是多模态学习？
• VGG16以及基于Pytorch的实现
• 迁移学习详解
• RNN以及BPTT，梯度消失问题
• LSTM, GRU详解
• 注意力机制
• SkipGram
• Elmo, Bert, XLNet
• Beam Search, Greedy Decoding
• BLEU评价指标
• 搭建系统过程中用到的工程技巧
• 第三阶段 物体识别
• CNN卷积层工作原理剖析
• 卷积核尺寸，卷积步长，边界填充，输出通道，输出特征图，视场计算
• LeNet-5
• AlexNet
• ZFNet
• GoogleNet/Inception
• VGGNet
• ResNet
• Fully-Convolutional Network
• DenseNet
• 图像增强技术
• 图像增加噪声与降噪
• 第四阶段?目标检测技术
• R-CNN，Fast R-CNN, Faster RCNN
• Region Proposal，Region Proposal Network
• One-Stage物体检测网络模型
• SSD模型
• Anchor的内涵与工作原理
• IoU (Intersection Over Union)
• Hard Negative Mining
• Non-Max Suppression
• OpenCV Haar小波滤波器
• OpenCV Adaboost
• 图像分割 Dense Prediction
• Unet，Up-Conv
• Transpose Convolution/Deconvolution
• 第五阶段?自动驾驶
• 自动驾驶技术介绍
• 如何使用多个摄像头
• DataGenerator技术
• 图像的空间域
• 频率域滤波
• 图像色彩变换
• 边缘检测
• Hough Transform用于检测图像中的几何形状物体
• 第六阶段?图像生成
• GAN 生成对抗网络
• Generator，Discriminator网络结构
• GAN的优化以及实现
• GAN与其他生成模型的比较
• 图像风格化迁移的实现
• Gram Matrix图像风格表达
• 第七阶段?低能耗神经网络
• 如何降低神经网络的耗能
• Binarized Neural Network
• MobileNet
• ShuffleNet
• EffNet
• 神经网络的节能原理
• Depth-wise Separable Convolution
• Spatial Separable Convolution
• Grouped Convolution
• Channel Shuffle
• 第八阶段?新颖网络结果
• One-Shot Learning
• Siamese Network 双子网络
• 人脸识别关键技术
• CapsuleNet 胶囊网络
• 胶囊替代神经元旦原理
• 第九阶段?Capstone 开放式项目(Optional)
• 项目展示
• 什么是Capstone项目？
• 项目介绍
• 开放式项目又称为课程的capstone项目。作为 课程中的很重要的一部分，可以选择work on 一个具有挑战性的项目。通过此项目，可以深 入去理解某一个特定领域，快速成为这个领域 内的专家，并且让项目成果成为简历中的一个 亮点
• 项目流程
• Step 1: 组队
• Step 2: 立项以及提交proposal
• Step 3: Short Survey Paper
• Step 4: 中期项目Review Step
• 5: 最终项目PPT以及代码提交
• Step 6: 最终presentation
• Step 7: Technical Report/博客
• 结果输出
• 完整PPT、代码和Conference-Style Technical Report 作为项目的最后阶段，我们 将组织学员的presentation分享大会。借此我 们会邀请一些同行业的专家、从业者、企业招 聘方、优质猎头资源等共同参与分享大会