价格: 19 学币

分类: 深度学习

发布时间: 2021年12月8日 22:59

最近更新: 2021年12月15日 17:12

资源类型: SVIP

〖课程介绍〗:

AI的火爆程度可以说是“妇孺皆知”,无论是“美颜”还是AR识别,身边越来越多的AI元素出现在我们的生活中,让我们的生活更加丰富多彩。在这次课程中,我们就来通过丰富有趣的案例,来学习人工智能中的计算机视觉技术,迈上机器学习新台阶。

〖课程目录〗:

  • 第1章 课程导学 试看1 节 | 9分钟
  • 包括课程概述、课程安排、学习前提等方面的介绍,让同学们对计算机视觉有所理解
  • 收起列表
  • 视频:1-1 计算机视觉导学 (08:07)试看
  • 第2章 计算机视觉入门 试看22 节 | 153分钟
  • 通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础,如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍,学习并掌握TensorFlow的基本使用。…
  • 收起列表
  • 视频:2-1 本章介绍 (04:34)
  • 视频:2-2 Mac下一站式开发环境anaconda搭建 (05:55)
  • 视频:2-3 Windows下一站式开发环境anaconda搭建 (03:38)
  • 视频:2-4 测试案例helloWorld (06:30)
  • 视频:2-5 案例1:图片的读取和展示 (06:24)
  • 视频:2-6 Opencv模块组织结构 (05:09)
  • 视频:2-7 案例2:图片写入 (05:22)
  • 视频:2-8 案例3:不同图片质量保存 (06:31)
  • 视频:2-9 像素操作基础 (06:11)
  • 视频:2-10 案例4:像素读取写入 (05:04)
  • 视频:2-11 tensorflow常量变量定义 (06:19)
  • 视频:2-12 tensorflow运算原理 (04:59)
  • 视频:2-13 常量变量四则运算 (09:38)
  • 视频:2-14 矩阵基础1 (12:43)
  • 视频:2-15 矩阵基础2 (09:19)
  • 视频:2-16 矩阵基础3 (06:31)
  • 视频:2-17 numpy模块使用 (08:00)
  • 视频:2-18 matplotlib模块的使用 (06:14)
  • 视频:2-19 小综合:人工神经网络逼近股票价格1 (07:47)试看
  • 视频:2-20 小综合:人工神经网络逼近股票价格2 (11:04)
  • 视频:2-21 小综合:人工神经网络逼近股票价格3 (05:44)
  • 视频:2-22 小综合:人工神经网络逼近股票价格4 (08:14)
  • 第3章 计算机视觉加强之几何变换13 节 | 65分钟
  • 本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。
  • 收起列表
  • 视频:3-1 本章介绍 (04:10)
  • 视频:3-2 图片缩放1 (06:11)
  • 视频:3-3 图片缩放2 (08:56)
  • 视频:3-4 图片缩放3 (07:47)
  • 视频:3-5 图片剪切 (02:58)
  • 视频:3-6 图片位移1 (04:43)
  • 视频:3-7 图片移位2 (04:22)
  • 视频:3-8 图片移位3 (03:04)
  • 视频:3-9 图片镜像 (05:34)
  • 视频:3-10 图片缩放 (04:43)
  • 视频:3-11 图片仿射变换 (06:08)
  • 视频:3-12 图片旋转 (03:49)
  • 视频:3-13 图片几何变换小结 (02:20)
  • 第4章 计算机视觉加强之图像特效&线段文字绘制17 节 | 97分钟
  • 视频滤镜也是目前在计算机算法处理上比较火的一个方向之一,在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用
  • 收起列表
  • 视频:4-1 图像特效介绍 (06:12)
  • 视频:4-2 图像灰度处理1 (04:51)
  • 视频:4-3 图像灰度处理2 (05:34)
  • 视频:4-4 算法优化 (04:23)
  • 视频:4-5 颜色反转 (05:38)
  • 视频:4-6 马赛克 (04:55)
  • 视频:4-7 毛玻璃 (04:48)
  • 视频:4-8 图片融合 (05:46)
  • 视频:4-9 边缘检测1 (04:12)
  • 视频:4-10 边缘检测2 (07:50)
  • 视频:4-11 浮雕效果 (03:37)
  • 视频:4-12 颜色映射 (03:49)
  • 视频:4-13 油画特效 (09:42)
  • 视频:4-14 图像特效小结 (03:09)
  • 视频:4-15 线段绘制 (08:01)
  • 视频:4-16 矩形圆形任意多边形绘制 (08:44)
  • 视频:4-17 文字图片绘制 (05:40)
  • 第5章 计算机视觉加强之图像美化13 节 | 74分钟
  • 每个人都有一个爱美的心,在这个章节中大家可以通过磨皮美白、亮度增强、直方图均衡化、图像滤波等方法自己美化自己的照片。
  • 收起列表
  • 视频:5-1 美化效果章节介绍 (04:45)
  • 视频:5-2 彩色图片直方图 (08:54)
  • 视频:5-3 直方图均衡化 (06:59)
  • 视频:5-4 图片修补 (06:45)
  • 视频:5-5 灰度直方图源码 (04:39)
  • 视频:5-6 彩色直方图源码 (04:41)
  • 视频:5-7 灰度直方图均衡化 (06:34)
  • 视频:5-8 彩色直方图均衡化 (05:06)
  • 视频:5-9 亮度增强 (03:28)
  • 视频:5-10 磨皮美白 (03:17)
  • 视频:5-11 高斯均值滤波 (07:06)
  • 视频:5-12 中值滤波 (05:43)
  • 视频:5-13 图像美化章节小结 (05:41)
  • 第6章 计算机视觉加强之机器学习 试看23 节 | 207分钟
  • 本章节将结合haar+adaboost以及hog+svm分别实现人脸识别、卡通小狮子识别。将为大家介绍一个从训练到识别一个完整的机器学习案例。
  • 收起列表
  • 视频:6-1 机器学习章节介绍 (10:06)
  • 视频:6-2 视频分解图片 (08:05)
  • 视频:6-3 图片合成视频 (04:47)
  • 视频:6-4 Haar特征1 (08:46)试看
  • 视频:6-5 Haar特征2 (05:20)
  • 视频:6-6 Haar特征3 (03:55)
  • 视频:6-7 adaboost分类器1 (12:56)
  • 视频:6-8 adaboost分类器2 (06:18)
  • 视频:6-9 Haar+adaboost人脸识别 (12:25)
  • 视频:6-10 SVM支持向量机1 (10:09)
  • 视频:6-11 SVM支持向量机2 (08:03)
  • 视频:6-12 SVM小结 (03:43)
  • 视频:6-13 Hog特征1 (12:57)
  • 视频:6-14 Hog特征2 (10:55)
  • 视频:6-15 Hog特征3 (06:10)
  • 视频:6-16 Hog特征4 (08:00)
  • 视频:6-17 Hog小结 (06:56)
  • 视频:6-18 Hog_SVM小狮子识别1 (12:34)
  • 视频:6-19 Hog_SVM小狮子识别2 (09:33)
  • 视频:6-20 Hog_SVM小狮子识别3 (08:24)
  • 视频:6-21 Hog_SVM小狮子识别4 (09:52)
  • 视频:6-22 Hog_SVM小狮子识别5 (10:20)
  • 视频:6-23 机器学习小结 (16:11)
  • 第7章 手写数字识别19 节 | 137分钟
  • 通过knn、cnn两种方式,并结合每种方法的矩阵维度变化,深层次的讲解手写数字识别案例,讲述不一样的案例。
  • 收起列表
  • 视频:7-1 章节介绍 (03:51)
  • 视频:7-2 样本介绍 (03:55)
  • 视频:7-3 knn数字识别1 (05:47)
  • 视频:7-4 knn数字识别2 (05:45)
  • 视频:7-5 knn数字识别3 (08:20)
  • 视频:7-6 knn数字识别4 (05:01)
  • 视频:7-7 knn数字识别5 (07:42)
  • 视频:7-8 knn数字识别6 (05:18)
  • 视频:7-9 knn数字识别7 (08:28)
  • 视频:7-10 knn数字识别8 (07:46)
  • 视频:7-11 knn数字识别9 (05:01)
  • 视频:7-12 knn数字识别10 (07:55)
  • 视频:7-13 cnn实现手写数字识别1 (09:54)
  • 视频:7-14 cnn实现手写数字识别2 (08:49)
  • 视频:7-15 cnn实现手写数字识别3 (06:13)
  • 视频:7-16 cnn实现手写数字识别4 (08:21)
  • 视频:7-17 cnn实现手写数字识别5 (09:35)
  • 视频:7-18 cnn实现手写数字识别6 (07:23)
  • 视频:7-19 数字识别小结 (11:42)
  • 第8章 “刷脸”识别9 节 | 63分钟
  • 在第六章的基础上,通过识别某个具体的人脸来达到“刷脸”的效果。该案例架构包含样本收集+图像预处理+神经网络训练识别。可以说是一个从样本到训练的完整项目。
  • 收起列表
  • 视频:8-1 章节介绍 (06:07)
  • 视频:8-2 最简单的图片爬虫 (14:32)
  • 视频:8-3 ffmpeg初识 (09:52)
  • 视频:8-4 OpenCV预处理 (05:31)
  • 视频:8-5 神经网络训练识别1 (06:00)
  • 视频:8-6 神经网络训练识别2 (05:43)
  • 视频:8-7 神经网络训练识别3 (05:39)
  • 视频:8-8 神经网络训练识别4 (04:52)
  • 视频:8-9 本章小结 (03:52)
  • 第9章 课程总结1 节 | 5分钟
  • 对课程进行整体的回顾与总结
  • 收起列表
  • 视频:9-1 课程总结 (04:37)