2024python机器视觉高级实战

课程详情

课程标题

2024python机器视觉高级实战

适合人群

有python基础的人

课程介绍

机器视觉高级实战课程主要围绕机器视觉技术的深入学习和实践应用展开，旨在提高学员对机器视觉技术的理解和应用能力。课程内容通常包括机器视觉基础知识、工业应用及选型、关键算法技术、实践案例分析，以及智能机器人三维环境重建及感知技术等。

课程亮点

  • 机器视觉基础知识：包括机器视觉系统的组成、工作原理以及在工业自动化中的应用。
  • 工业应用及选型：介绍机器视觉技术在不同行业的应用案例，如检测、测量、定位等，并指导如何选择合适的机器视觉系统。
  • 关键算法技术：深入讲解机器视觉中的关键算法，如图像处理、特征提取、目标识别等，并通过实践案例进行分析。
  • 实践案例分析：提供丰富的实践案例，让学员通过实际操作掌握机器视觉技术的应用，增强解决实际问题的能力。
  • 智能机器人三维环境重建及感知技术：介绍智能机器人如何在复杂环境中进行三维重建和感知，提高机器人的自主性和智能化程度。

课程目录

01 1.课程目标介绍.mp4
02 2深度学习线性代数概述.mp4
03 3概率论.mp4
04 4.机器学习分析剩女.mp4
05 5.机器学习与深度学习差异.mp4
06 6.神经网络的高数.mp4
07 7.线性方法基础优化和softmax回归.mp4
08 8.-大似然估计和 逻辑回归.mp4
09 9.基础回顾.mp4
10 10.pytorch张量与jupyter使用.mp4
11 11.pytorch张量创建与加法.mp4
12 12.pytorch内存共享与索引机制.mp4
13 13.pytorch张量扩展机制.mp4
14 14pytorch内存计算开销.mp4
15 15.pytorch对象转换.mp4
16 16pytorch张量GPU与CPU转换.mp4
17 17pytorch计算梯度.mp4
18 18.pytorch线性回归.mp4
19 19.Fashion-MNIST数据集.mp4
20 20softmax简介.mp4
21 21pytorch激活函数.mp4
22 22.多层感知机基础.mp4
23 23.多层感知机实战.mp4
24 24.模型选择欠拟合与过拟合权重衰减和丢弃法.mp4
25 25.权重衰减与dropout解决欠拟合.mp4
26 26.K折验证测试波士顿房价.mp4
27 27.数值稳定性激活函数和硬件.mp4
28 28.泛化表现协变量偏移和对抗性数据.mp4
29 29.pytorch自定义神经网络.mp4
30 30.卷积原理.mp4
31 31.卷积核原理.mp4
32 32卷积和池化层.mp4
33 33CNN-leLet.mp4
34 33卷积与池化层实验.mp4
35 34.CNN-ALexNet.mp4
36 34-CNN-GoolgeLelet与批量归一化.mp4
37 35.CNN-VGG.mp4
38 35-resnet与densenet.mp4
39 36.CNN-NIN.mp4
40 36RNN原理与实验.mp4
41 37RNN-GRU.mp4
42 38.RNN-LSTM.mp4
43 39.凸优化梯度下价格.mp4
44 40梯度下降优化.mp4
45 41.动量优化梯度下降.mp4
46 42.AdaGrad梯度下降算法优化.mp4
47 43.RMSProp算法.mp4
48 44.AdaDelta算法.mp4
49 45Adam算法.mp4
50 46.混合编程, 异步计算, 多GPU训练.mp4
51 47混合编程异步计算多GPU训练实验.mp4
52 48-视觉-图像增强.mp4
53 49-视觉微调.mp4
54 50-视觉样式迁移.mp4
55 51-目标检测和边界框描框.mp4
56 52常见目标检测.mp4
57 53-ssd机器视觉.mp4
58 54.RCNN实践.mp4
59 55.yolox目标检测.mp4
60 56语义分割deeplabv3.mp4
61 57语义分割hrnet.mp4
62 58整合图像分割与目标检测.mp4
63 59.yolo系算法小结.mp4
64 60语义分割unet.mp4
65 61语义分割pspnet.mp4
66 62目标检测maskRCNN.mp4
67 63目标检测算法实验收尾.mp4