进入2018年，深度学习已经成为广为人知，门槛不断降低，甚至一些高中生就可以轻松跑通深度学习程序。程序员们纷纷自嘲：我是一个跑模型的“炼丹师”。

但只会用现成的 AI 工具还远远不够，区分“高中炼丹师”和“高级炼丹师”的，是你有没有扎实的知识积淀，能不能紧跟领域前沿。

集智AI学园开设《计算机视觉和深度学习》系列课程，致力于帮助各位“炼丹师”提高在计算机视觉领域中的深度学习技术水平，帮你获得系统的知识基础，详细介绍计算机视觉领域热门深度学习网络结构和应用。

本课程不仅详细系统地讲解了计算机视觉的基础原理，还会介绍计算机视觉领域的前沿技术，非常适合对深度学习和计算机视觉有过了解，但是缺乏系统性的细节知识的同学学习。

• 形式：线上直播课程，学园群内交流，助教在线指导

• 时间：7月16日开课，每周一、周五晚7:30-9:30

尉方音，毕业于北京大学信息科学技术学院，即将赴普林斯顿大学攻读计算机科学博士学位。

研究兴趣包括计算机视觉和深度学习，曾在微软亚洲研究院和商汤科技相关研发团队实习。

曾在计算机视觉顶级会议发表论文：

Recurrent scale approximation for object detection in cnn

发表于 IEEE International Conference on Computer Vision, 2017

http://openaccess.thecvf.com/content_ICCV_2017/papers/Liu_Recurrent_Scale_Approximation_ICCV_2017_paper.pdf

Exploring disentangled feature representation beyond face identification 

收录于 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018

http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_Exploring_Disentangled_Feature_CVPR_2018_paper.pdf

   

课程大纲：

计算机视觉与深度学习入门指南

  

1.计算机视觉中的深度学习概述

目前大火的深度学习所依赖的人工神经网络，是如何在一次次起落中发展的呢？神经网络的基本组成和常见训练技术都有哪些？深度学习在计算机视觉领域中的热门应用有哪些？

2.机器学习中归一化的应用场景

特征归一化的应用场景，理解归一化的目的和作用，并灵活合理使用。

3.激活函数、过拟合抑制、其他网络训练的黑科技

训练深度神经网络之所以被人戏称为“炼丹”，是因为深度神经网络作为一个庞大的系统包含了太多的参数。要想得到一个好的深度学习系统或模型，还有很多黑科技需要掌握。

4.常用深度神经网络模型简介

我们已清楚了人工神经网络的各个组成部分及网络训练技巧，如何获得一个超高性能的网络结构？

5.进阶模型：GAN与AutoEncoder

热门高阶神经网络模型，如AutoEncoder，GAN等，这些神经网络模型不仅结构特异，而且经常能获得出乎意料的效果。

6.典型应用：深度学习物体检测

物体检测是计算机视觉领域的经典问题。近年来，深度学习凭借其强大的特征提取能力为这个经典领域带来了令人惊叹的性能提升。通过本节的学习，你将能够细数物体检测问题中重要的深度学习算法，厘清其发展脉络和各自优劣。

7.深度实例分析：可控人脸变换和高准确率人脸识别

以一个具体任务为例，掌握在计算机视觉中进行深度学习的整体流程。细致了解实现人脸识别和生成的过程，了解当下人脸特征提取的研究现状。

    

限时优惠：

7节直播仅需99元

 

系列直播课原价199元

限时优惠价：99元（可开发票）

    

学生福利：

超值特惠49元

 

为给在校大学生提供更好的学习机会，特惠学生票只需49元！

扫码进入学生通道

不是学生?

不是在校学生？没关系，扫描海报中的二维码，也可获取学生票！

始发于微信公众号： 集智俱乐部