1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
        2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
        3、培訓合格學員可享受免費推薦就業機會。

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

卷積神經網絡介紹

1.感受野，權值共享

2.卷積計算

3.卷積的步長

4.池化

5.Padding

6.MNIST網絡結構介紹

Tensorflow使用

1.深度學習框架介紹

2.Tensorflow安裝

3.Tensorlfow基礎知識：圖，變量，fetch，feed

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

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

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

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