关于举办“OpenCV 计算机视觉及图像处理与深度学习核心技术”高级实操班的培训通知
各有关学校：
随着人工智能（AI）特别是深度学习（Deep Learning）近年来的飞速发展，在多个领域的成功应用，已经成为当前学术界和各行业最炙手可热的研究应用方向。OpenCV 计算机视觉及图像处理成为最为人工智能火热的领域之一。不仅广泛应用于搜索引擎、电子商务、社交网络等互联网服务，自然语言处理、金融、生物医药等行业AI的研究与应用也呈现爆发式增长。同时由于深度学习（Deep Learning）需要处理的海量数据非常庞大，为加强AI技术的创新发展和应用，培养社会急缺的深度学习专业人才，北京中科云畅应用技术研究院特别邀请深度学习领域的专家，举办“OpenCV 计算机视觉及图像处理与深度学习核心技术 ”专题培训班，具体培训通知如下。
培训时间、地点：可咨询：13932327338 微信同号
扫码关注公众号，或加微信好友，邀请进群
2019年1月17日 —— 2019年1月20日 西安（电子科技大学） 报名中
（第1天报到，培训3天）
培训费用：每人3900元（含报名费、培训费、资料费），食宿可统一安排，费用自理。
培训对象：各院校计算机专业、网络通信专业、电子工程专业、信息计算科学专业、统计学专业等对AI /深度学习技术及研发感兴趣的老师、研究生等。相关从事大数据、数据挖掘、机器学习、计算视觉、自然语言处理、人机交互等领域研发的单位的技术部门、IT企业的工程师、研发负责人、算法工程师等。
培训方式: 1、名师讲座； 2、高校计算环境下的上机实操； 3、专题小组研讨与案例讲解分析结合；
报名办法：
请各有关部门统一组织本地区行政、企事业单位报名参加会议，各单位也可直接报名参加。报名回执表请传真至会务处。
附件
一、主讲专家：
主讲专家来自中科院及高级专家，拥有丰富的科研及工程技术经验，长期从事相关领域国家重大项目研究，具有资深的技术底蕴和专业背景。
二、培训内容：
一、OpenCV 源码使用与介绍
1.OpenCV 入门介绍 2.什么是 OpenCV 3.OpenCV 的结构和内容 4.安装 OpenCV 库
5.OpenCV 源码架构讲解
OpenCV 源码使用与介绍
图像的基础知识，图像的输入输出，视频的基础知识，视频的输入输出与参数控制方法
6.OpenCV 中常用数据结构和函数
(Point 类，Size 类，Rect 类，Scalar 类和 cvtColor 函数)，core 组件，imgproc 组件
二、OpenCV 图像数字化 1.Numpy 中的 ndarray 1.1 构造 ndarray 对象 1.2 访问 ndarray 中的值
2.OpenCV 中的 Mat 类 2.1 构造单通道 Mat 对象 2.2 获得单通道 Mat 的基本信息
2.3 访问单通道 Mat 对象中的值 2.4 向量类 Vec 2.5 构造多通道 Mat 对象
2.6 访问多通道 Mat 对象中的值 2.7 获得 Mat 中某一区域的值
3.矩阵运算 3.1 加法运算 3.2 减法运算 3.3 点乘运算 3.4 点除运算 3.5 乘法运算 3.6 其他运算
4.灰度图像数字化 4.1 将灰度图像转换为 Mat 4.2 将灰度图转换为 ndarray
5.彩色图像数字化
5.1 将 RGB 彩色图像转换为多通道 Mat 5.2 将 RGB 彩色图转换为三维的 ndarray
三、OpenCV 图像平滑与边缘检测
一、OpenCV 图像平滑技术
1.图像采样 2.傅里叶变换 3.图像噪声 4.空间平滑 5.案例分析讲解
二、OpenCV 边缘检测技术
1.边缘检测基础 2 基本边缘检测算子-Sobel 3 基本边缘检测算子-Laplace
4.基本边缘检测算子—Roberts 5.基本边缘检测算子—Prewitt 6.改进边缘检测算子—Canny
7.改进边缘检测算子—Marr-Hildreth 8.几何检测 9.形状检测 10. 角点检测
四、OpenCV 形态学
1.腐蚀膨胀操作
2.开闭运算操作
3.形态学梯度
4.形态学 Top-Hat
案例 1.形态学滤波角点提取 案例 2.去干扰与噪声小块
五、OpenCV 视频跟踪
1.OpenCV 中开展模块编译与处理
2.光流法实现移动对象跟踪
3.基于直方图反向投影的 CAS 跟踪
4.单对象的视频跟踪方法
5.多对象的视频跟踪方法
6.从检测到跟踪
六、、OpenCV 深度学习 1. OpenCV 中支持的深度学习框架与前馈网络
2. 支持的网络模型
3. 深度视觉支持 图像分类、对象检测、实时视频对象检测、行人检测、人脸检测
4. 深度学习模型导入与使用，代码演示
七、OpenCV 案例解析
案例 1.使用 OpenCV，基于 BLOB 颜色对象跟踪
案例 2.使用 OpenCV 实时人脸检测与对象跟踪
八、人工智能、机器学习、深度学习的历史和基本思想 1、人工智能概述、机器学习概述及基本思想
2、深度学习的前生今世、发展趋势
3、深度学习的主要模型及应用场景
九、卷积神经网络 1、CNN卷积神经网络：
卷积层（一维卷积、二维卷积）
池化层（均值池化、最大池化）
全连接层
激活函数层
Softmax层
2、CNN卷积神经网络改进：
R-CNN （SPPNET）
Fast-R-CNN
Faster-R-CNN （YOLO、SSD）
3、CNN应用案例：
CNN与手写数字集分类
YOLO实现目标检测
PixelNet原理与实现
利用卷积神经网络做图像风格结合
十、循环神经网络 1、RNN循环神经网络：
梯度计算 BPTT
2、RNN循环神经网络改进：
LSTM Bi-RNN
3、RNN实际应用： Seq2Seq的原理与实现
三、颁发证书：
学员经培训考试合格后可以获得：由北京中科云畅应用技术研究院颁发的结业证书。
备注：请学员自带身份证复印件一张（办理证书使用）
网友评论