一、培訓簡述
課程中通過細致講解，使學員掌握該技術的本質。具體收益包括：
1.掌握OpenCV的使用；
2.理解卷積神經網絡；
3.掌握Tensorflow的使用；
4.掌握keras的使用；
5.通過各個應用場景的實際經典項目案例，深入解讀計算機視覺技術的應用。

二、培訓特色
本次培訓從實戰的角度對計算機視覺技術進行了全面的剖析，并結合實際案例分析和探討計算機視覺技術的應用場景，給計算機視覺技術相關從業人員以指導和啟迪。

三、培訓時長
共計3天，每天6課時

四、培訓大綱

日程	培訓模塊	培訓內容
第一天 上午	OpenCV使用	1.安裝opencv   2.圖像處理基礎   3.圖像運算和轉換   4.圖像平滑處理   5.圖像梯度   6.圖像邊緣檢測   7.圖像金字塔   8.人臉檢測和識別
第一天 下午	卷積神經網絡介紹	1.CNN架構   2.卷積計算   3.卷積的步長   4.池化   5.Padding   6.MNIST網絡結構介紹
第二天 上午	Tensorflow使用	1.深度學習框架介紹   2.Tensorflow安裝   3.Tensorlfow基礎知識   4.Tensorflow線性回歸   5.Tensorflow非線性回歸   6.Mnist數據集合Softmax講解   7.使用BP神經網絡搭建手寫數字識別   8.交叉熵(cross-entropy)講解和使用   9.過擬合,正則化,Dropout   10.各種優化器Optimizer   11.改進手寫數字識別網絡   12.卷積神經網絡CNN的介紹   13.使用CNN解決手寫數字識別
第二天 下午	keras使用	1.實現線性回歸   2.實現非線性回歸   3.MNIST數據集以及Softmax介紹   4.MNIST分類程序   5.交叉熵的應用   6.Dropout應用   7.正則化應用   8.優化器介紹及應用   9.CNN應用于手寫數字識別   10.cifar-10圖片分類   11.模型的保存和載入   12.繪制網絡結構
第三天 上午	圖像識別項目	1.介紹Google圖像識別模型Inception-v3   2.使用Inception-v3做圖像識別
	貓狗分類項目	1.圖像數據預處理   2.貓狗分類-簡單CNN   3.貓狗分類-VGG16-bottleneck   4.貓狗分類-VGG16-Finetune
	驗證碼識別項目	1.多任務學習介紹   2.驗證碼識別項目
第三天 下午	目標檢測項目	1.目標檢測任務介紹   2.RCNN/Fast-RCNN/Faster-RCNN算法介紹   3.YOLO算法介紹   4.SSD算法介紹   5.目標檢測項目實戰
	目標分割項目	1.目標分割任務介紹   2.全卷積網絡   3.雙線性上采樣   4.特征金字塔   5.Mask RCNN算法介紹   6.目標分割項目實戰
	圖像風格遷移項目	1.圖像風格遷移介紹   2.圖像風格遷移項目實戰
	GAN項目	1.生成式對抗網絡GAN介紹   2.生成式對抗網絡GAN項目實戰

（注：大綱還可根據需求進行調整）

覃棅豐
創業公司技術負責人。機器學習，深度學習領域多年一線開發研究經驗，精通算法原理與編程實踐。曾使用Tensorflow，Caffe，Keras等深度學習框架完成過多項圖像，語音，nlp，搜索相關的人工智能實際項目，研發經驗豐富。擁有兩項國家專利，同時具有多年授課培訓經驗，講課通熟易懂，代碼風格簡潔清晰。
 
人工智能相關工作經歷：
上海希格斯網絡科技有限公司  數據挖掘工程師   
1.負責深度學習NLP算法的研究和實現。
2.負責搜索引擎的實現和優化。
 
上海索洛信息技術有限公司     高級算法工程師   
1.負責深度學習圖像算法的研究和實現。
2.負責深度學習語音算法的研究和實現。
 
人工智能相關項目經驗：
人崗匹配項目 負責算法實現   
● 收集了10萬份JD。
● 基于Tensorflow平臺使用LSTM+Attention算法。
● 使用JD訓練職位推薦模型。訓練好的模型可用于分析簡歷描述，并根據簡歷描述推薦一個或多個適合的職位。
 
項目關鍵詞提取項目  負責算法實現   
● 收集了10萬份項目描述，并標記好項目中的關鍵詞。
● 基于Tensorflow平臺使用seq2seq模型。
● 從簡歷的項目描述中提取出該項目中的重點詞匯。可用于優化簡歷項目搜索結果。
 
人才搜索引擎項目  負責搜索引擎的實現和優化
● 搭建簡歷搜索引擎服務。
● 完成學校名，專業，公司，行業等模塊的搜索策略
● 完成搜索結果高亮服務。
● 修改搜索bug優化搜索算法。
 
寵物臉識別項目  負責數據處理，算法實現    
● 收集了5萬張狗/貓的照片，并標記好它們臉部的區域。
● 在Linux下基于Caffe平臺使用Faster-rcnn實現狗/貓臉檢測算法。
● 推出了一款在線小游戲，用戶上傳自己家狗/貓的照片，服務器接收到照片之后用訓練好的模型檢測照片中狗/貓的臉，并把狗/貓的臉框出來，給它們的長相打一上個分數，再把處理后的照片反饋給用戶。 
 
寵物品種識別項目 負責數據處理，算法實現  
● 收集了19種貓和27種狗的照片，共3萬多張，并做好分類標簽。
● 基于Caffe平臺使用AlexNet，GoogleNet以及自己設計的網絡實現寵物品種分類算法。
● 推出了一款在線小游戲，用戶上傳自己家狗/貓的照片，服務器接收到照片之后用訓練好的模型檢測照片中狗/貓的品種，不同寵物的品種會對應不同明星的臉，再把與寵物品種相似的明星臉反饋給用戶。 
 
寵物叫聲情感分類項目  負責數據處理，算法實現
● 收集了1萬6千條狗叫聲，分成8個類別。
● 基于Tensorflow平臺使用CNN，LSTM實現狗叫聲情感分類算法。
● 將訓練好的模型放到嵌入式設備中，實時判斷當前場景是否有狗叫聲，有狗叫聲的話是屬于什么分類。