|
核心课程:
6 ]7 C- S: m; W! \& M4 ]; {) ~+ m: N+ D5 @: a8 n
1.机器学习的整体概念,深度学习的框架和结构,人脸识别系统的功能模块。重要是对于machine learning的理解,以及在工程实践中的思维转换。1 I* Y( |& S) ~
, [( J K. z( \) z5 [1 y% _2 m
2.利用Caffe 深度学习库实践卷积网络的训练,该部分是从抽象概念到具体模型的重要实践 ,与以往编程算法不同,机器学习是通过数据学习模型,因此课程将通过实际数据增加学生操作经验。/ Z, y" I+ _: t
' X- I) U9 m6 D7 d' l3.人脸识别和分析系统搭建,更加工程化的实践,熟悉从训练到部署到展示的流程,提高学生对于机器学习系统的整体认识。8 M/ v! b/ u+ ?8 t+ u5 c! _
$ @1 {" B: E/ _+ u- v6 H课程体系:6 c- f0 T" a. u6 ?8 u8 Z, C
+ n4 x: U0 U" G& ?3 j5 a+ z6 c" h9 K# E4 x `) h
' L* |: |. c& n+ n
课程目录:' J8 F/ v' ^0 T6 L3 U( m! g" q+ c
1 F1 B: k4 k1 d2 M5 a, a7 Q* z9 S第一节课
6 D4 J5 M% O3 ~8 F& V3 P
8 P' J/ s" H! X人工智能:从科幻到现实的发展+ a- p: g6 j- G/ q6 Z
A. 人工智能技术的现状) ]3 Q, @/ x3 D- O( N/ m
B. 人工智能的市场需求
* {- O# B, A0 c2 {( s) Y) UC. 机器学习的技术框架; f A2 Q9 F' l3 v" o4 F$ T+ O( \
- h( l( D' J9 {0 L
深度学习:你也可以掌握的科技前沿* {$ t( a2 b3 x \- F9 r# R n- [
A. 深度学习的基本原理7 B7 J/ x5 X) w0 s
B. 深度学习的重要算法和应用场景7 c( U1 \1 y* }: T: {1 I) U
C. 课程安排
+ s% j9 O/ O7 B* E# p! TVIEW LESS 3 c. }) M% J( k5 L( K" N$ }/ E
第一周6 f! V( p' t: P6 q1 H% w4 a1 d+ W
学习目标:" O. @$ @8 w* O! Z0 f8 ~$ m0 ^
1. 了解机器学习基本概念和方法,了解计算机视觉主要研究的问题& g( w+ h+ Z" ?; ?; G* T! e- \
2. Linear regression 和 Logistic regression的原理,细节,以及编程实现。2 F* w# A |/ v# ^' y9 f. G
2 Z$ E9 F+ l* d# p' D! o. Y具体理论课程安排:- ?9 \( [. N% Q W
& ?; a7 M- p% L: X/ U6 s& z5 u 1. 机器的力量:将数据转化为知识
# U( J H2 g( b( s) Y" v% nA. 机器学习的整体概念
* Z2 V8 _4 h1 d: ?# s4 ~B. 监督学习,非监督学习,增强学习, r6 B$ `& K6 `7 y1 D
C. 机器学习系统的Roadmap9 q z2 [( G4 I1 x) }7 A/ @
2. Machine learning 经典算法: 机器学习≠深度学习
# _8 ~+ d2 Z- I6 k" k4 X- D1 Y @. pA. K-means clustering
" {# ~1 }) _: U9 hB. K-NN, SVM4 w3 a/ {, W& X$ @5 y, l
C. Regression0 `+ d, ~0 f( R9 o7 m
D9 b, O- x) J项目课程安排:; A: @" `( r' p }0 N- I! B0 ]/ k
4 ]% K h# m+ W
1.Python编程语言入门实践
2 R; U; E5 B& j- uA. Python 基础; K% x$ O& b& D+ N% F$ O+ W
B. Python Data structure & Algorithm! Z- U( P- Q% ^ @- K
2. Logistic and Softmax regression 编程实现4 I) C6 {+ _" [* T7 k. g5 i- c
A. Linear Regression 讲解# C z( E" H+ P6 z/ Z7 ]. P" x. ^
B. 使用python sklearn 实现 linear regression! ~# E: v, f4 [: Z' e' J
C. Softmax Regression 和 Vectorization 讲解% s' z8 j* Z! a& j! k7 b: p
D. 使用 python sklearn 实现 Softmax
5 c/ N" O0 w# w$ Q4 ]( a0 rE. 模型训练、测试
0 S, G/ V2 H- vVIEW LESS
9 ^/ M1 A$ V) n2 H/ v第二周% \5 r T% f1 `
学习目标:/ a8 O' O$ G9 c
1. 理解神经元作为神经网络基本计算单元的结构,了解前向计算、反向传播。掌握卷积网络的组成结构,熟悉各个部分的功能。4 n3 W5 J5 p+ |
2. 编程实现perceptron learning, 熟悉caffe框架,实际操作训练CNN网络。
3 w; G c5 y) `" J* Y
6 C: d( X8 `8 f0 O Q1 f具体理论课程安排:
7 M! s: u) J. Z
, J$ l) A, H% ]" K' ^1 o* [9 `4 e0 U' w 1. Multi Layer Neural Network
: X7 U4 q0 V) ~4 iA. Network architecture( D) y' k7 E5 ]2 J
B. Forward propagation3 B4 V- }% e/ k8 i5 V
C. Backward propagation) b3 l" `7 t! A
2. Deep Convolutional Neural Network
" I( ^& L9 g8 b) e( A& c8 c4 S S5 jA. Convolution layer, pooling layer
; D5 p8 R1 F8 hB. Activation function: sigmoid, relu, etc.
/ R1 d0 e5 S9 i* Y 3. 深度学习框架介绍
% X! H4 \5 Z% p# b2 JA. Caffe 介绍5 c+ {) m6 E( F* F
B. Tensorflow 与 Keras 介绍/ c0 z! i% _& H2 c J+ P
C. Torch 与 lua 编程语言介绍
8 i' a) D$ U' Z$ D3 |. D8 x9 l" @% Y4 ~) k3 \# e: K
项目课程安排:) m1 E" R' B" I+ i3 h% P
" G. q) Q; }' _% b$ @ D 1. 实现 perceptron learning algorithm/ `: G7 ?: E3 \' U
A. 编程实现 perceptron learning algorithm in Python' w0 l( N8 B" A) X. j$ o0 B
B. 利用 Iris 实际数据集训练模型 perceptron in Iris database' u4 @9 P( Z8 U" B- Z
3. 实战深度网络: Artificial Neural Networks for Digits Recognition5 }; E1 `1 ^( r
A. 安装配置环境 Caffe install,. A0 ^; P% ^0 p) P0 d+ J/ T' h
B. 数据预处理 data preparation
# e8 T" a* h, H: d: D, z$ sC. 设计网络结构 Design network architecture
9 Y4 y5 ?/ U1 g8 t3 {1 h1 FD. Caffe Prototxt 使用
) |4 k$ M3 X0 r( Y- FE. 参数调整和网络训练 Apply training and validation procedure& K" H! F8 x9 w& Y
VIEW LESS 9 B ?. s O& W- G2 }
第三周( f1 g' U( K6 t& p7 r$ x, ^
学习目标:
0 V7 j2 L) h, }5 R 1. 熟悉若干流行的深度学习网络,了解其框架结构、各组件和功能单元0 {4 q W" u2 _4 c' h- L
2. 介绍CNN相关高级模块的功能与应用
+ P8 \* g0 {3 S4 P) d$ O 3. 掌握人脸识别系统基本架构- T6 w9 {6 a4 g
4. 实现人脸检测功能,数据读取、展示功能,实践深度卷积网络可视化: l* C" z' d1 j; u3 h% J" n
" K& S5 r4 D J& d4 x5 d1 k
具体理论课程安排:6 K, y4 l: h- g1 {. {
% L; K1 G, q9 z Z; Y! B; a 1. 流行深度学习网络结构,组件和功能单元
" _- ?- l* t9 Q# l- G5 |A. VGG, googlenet, ResNet, etc. S5 t5 U8 C- q
B. Dropout, prelu, maxout, etc.
2 m; a. X/ w8 K* Z4 X3 y& zC. Advanced loss functions) l' w4 E+ ]# V
2. 人脸识别系统的体系结构* w+ `) n4 G! j
A. Face detection
+ }* H2 Q9 h+ g* v5 zB. Face identification and face verification
- c7 v2 s. x8 R* f& E1 ^C. Performance measures for face recognition problem.- t* G1 v' p- f9 x' Z( X. G2 a
3. PyQt 库介绍) b( f% ~# \) C) _' ?9 p9 ?
A.PyQt 的基本组成
1 V8 C/ k2 X" j) o2 R+ p- qB. Signal Slot 机制介绍/ O: J% d% I. p8 W5 S- d* ?. i1 V
' b8 ~3 w: u/ r* A7 N项目课程安排:+ _3 N) [) v8 I; v; x
) W3 j- y: I$ ]; N; A
1. 利用机器学习库实现 Face detection 功能,学习使用OpenCV,Dlib
# W7 U/ d2 z& D4 `2 u6 N 2. 利用PyQt库signal slot 机制实现主要框架1 B- N' Y6 H1 x
3. 利用PyQt实现操作界面
- H! W7 i( b3 Y% y 4. 系统模块实现: 数据输入,数据处理,功能接口% R/ J6 G2 P; e
VIEW LESS , x8 o* V7 Y L$ i* \3 k
第四周; f1 {' i0 W9 Q5 Z4 I
学习目标:! t m* D$ ^- A! U- c) T( Q+ n
1. 通过人脸关键点定位问题,理解深度学习在regression问题中的应用。了解深度学习中的高级算法和前沿研究方向。
! p/ A0 R$ b. }& Y+ {6 f. I% O0 f 2. 理解并实践pretrain model 和 finetuning 等工程实践技术。增强项目上手能力。完成课程项目各组件的连接,测试项目performance。: {" O, s: P' C4 }" V
$ M! \$ ~, P& N! Q' _ ^0 ^
具体理论课程安排:
* c& k# E/ n% J
3 J% s) F/ i E4 D! Y 1. Face landmark detection using CNN$ d5 O& O6 U9 u( U
A. CNN regression4 m) c% n X2 P# c |# I! @
B. landmark detection
$ g* f4 L/ V8 h) b 2. Gender Classification on Face image using CNN
/ U& G) i) ? J; R- {# `8 U 3. Advanced Topics
: Q/ t1 Z% y w: S! K% L7 A: ^# R* yA. RNN/LSTM in computer vision/ A. M% X' J; \. @6 ]6 s
B. Cutting edge techniques in deep learning! j5 {; I( [# C+ U
C. Summary& o9 R! q# u1 ?* U3 C) [9 i5 }" v
- f/ g! n4 L7 s. ~ ^
项目课程安排:
% s P: G% J3 y' h8 j5 V& ]% f
3 x& d$ W' v3 Q 1. 利用人脸数据实际操作深度神经网络的训练
9 y: [, a+ C3 AA. 如何使用caffe pretrain model* j$ I* U$ M% k/ K# n
B. 对已有的深度model 做 Fine-tuning; i- m+ x' E# g3 l6 d' \, v4 S
2. 实际操作将 model 部署到人脸系统1 B, C! @9 C9 L# n
A. 利用 Caffe 提 Feature
2 J6 E8 ?4 @' ?: D( xB. 部署 caffe model 到 python 端
/ K1 e- U$ p0 K2 j: Y( E. sC.实现 Feature Matching2 h' }" } r$ q
3. 项目模块的组织与调试
( W" P& {# _6 N! kA. 整合视频输入、人脸检测、人脸识别等模块 j6 |1 y! d8 D; S; a% \( O
B. 调试系统3 s( G8 f; n* o4 D* a
G6 ]' e9 e. D2 J2 ]7 D
( ]" ?- `$ k M6 o
: v( l7 f) G d) m
; D: R: O+ }2 d/ _, w. G
- K5 V) Z3 s& \
. V+ Q! r) U! ^. k' i B
资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见- _3 {- ?0 C* h2 E! U2 a y( q
- \6 j7 f L( M; y2 f
9 v7 t/ J' N# L, c$ `0 Q
& I- Z8 x B; J* ~9 R6 V6 x
本资源由Java自学网收集整理【www.javazx.com】 |
|