電腦視覺與深度學習全面掌握 - 電腦視覺與深度學習馬拉松 - Cupoy

電腦視覺與深度學習馬拉松

本活動發起目的為幫助 AI 學習者能以更高效率學習電腦視覺x深度學習技術。因此我們匯集了該領域的資料科學家與專業的機器學習工程師，彼此分享與優化最佳的學習路徑，幫你高效地掌關鍵知識。本活動課程規劃的核

• Part 1. 基礎影像處理

  • OpenCV 簡介 + 顯示圖片

  • Color presentation 介紹 (RGB, LAB, HSV)

  • 顏色相關的預處理 (改變亮度, 色差)

  • 以圖片為例做矩陣操作 (翻轉, 縮放, 平移)

  • 透過 OpenCV 做圖並顯示 (長方形, 圓形, 直線, 填色)

  • Affine Transformation 概念與實作

  • Perspective Transformation 概念與實作

  • Filter 操作 (Sobel edge detect & Gaussian Blur)

  • SIFT 介紹與實作 (Feature Extractor)

  • SIFT 其他應用 (Keypoint Matching)

  • Image Processing Basic

  • OpenCV影像增強

  • 雜訊與對抗

  • 在圖像中的單詞周圍繪製邊界框

  • 基於顏色、輪廓檢測物體

  • Pytorch影像增強

• Part 2. 電腦視覺深度學習基礎

  • CNN分類器架構：卷積層

  • CNN分類器架構：步長、填充

  • CNN分類器架構：池化層、全連接層

  • CNN分類器架構：Batch Normalization

  • 訓練一個CNN分類器：Cifar10為例

  • 如何使用Data Augmentation

  • 深度學習理論與實作：Classic CNN Backbone

  • InceptionV1-V3

  • ResNetV1-V2、InceptionV4、Inception-ResNet

  • Transfer learning

  • Breaking Captchas with a CNN

• Part 3. CNN and Important models

  • CNN補充說明

  • 訓練上優化

  • CNN經典模型

  • Transfer learning

• Part 4. 物件偵測基本要素

  • Object detection原理

  • Object detection基本介紹、演進

  • Region Proposal、IOU概念

  • RPN架構介紹

  • Bounding Box Regression原理

  • Non-Maximum Suppression (NMS)原理

  • 程式導讀、實作

• Part 1. 基礎影像處理

  • OpenCV 簡介 + 顯示圖片

  • Color presentation 介紹 (RGB, LAB, HSV)

  • 顏色相關的預處理 (改變亮度, 色差)

  • 以圖片為例做矩陣操作 (翻轉, 縮放, 平移)

  • 透過 OpenCV 做圖並顯示 (長方形, 圓形, 直線, 填色)

  • Affine Transformation 概念與實作

  • Perspective Transformation 概念與實作

  • Filter 操作 (Sobel edge detect & Gaussian Blur)

  • SIFT 介紹與實作 (Feature Extractor)

  • SIFT 其他應用 (Keypoint Matching)

  • Image Processing Basic

  • OpenCV影像增強

  • 雜訊與對抗

  • 在圖像中的單詞周圍繪製邊界框

  • 基於顏色、輪廓檢測物體

  • Pytorch影像增強

• Part 2. 電腦視覺深度學習基礎

  • CNN分類器架構：卷積層

  • CNN分類器架構：步長、填充

  • CNN分類器架構：池化層、全連接層

  • CNN分類器架構：Batch Normalization

  • 訓練一個CNN分類器：Cifar10為例

  • 如何使用Data Augmentation

  • 深度學習理論與實作：Classic CNN Backbone

  • InceptionV1-V3

  • ResNetV1-V2、InceptionV4、Inception-ResNet

  • Transfer learning

  • Breaking Captchas with a CNN

• Part 3. CNN and Important models

  • CNN補充說明

  • 訓練上優化

  • CNN經典模型

  • Transfer learning

• Part 4. 物件偵測基本要素

  • Object detection原理

  • Object detection基本介紹、演進

  • Region Proposal、IOU概念

  • RPN架構介紹

  • Bounding Box Regression原理

  • Non-Maximum Suppression (NMS)原理

  • 程式導讀、實作

• Part 1. 基礎影像處理

  • OpenCV 簡介 + 顯示圖片

  • Color presentation 介紹 (RGB, LAB, HSV)

  • 顏色相關的預處理 (改變亮度, 色差)

  • 以圖片為例做矩陣操作 (翻轉, 縮放, 平移)

  • 透過 OpenCV 做圖並顯示 (長方形, 圓形, 直線, 填色)

  • Affine Transformation 概念與實作

  • Perspective Transformation 概念與實作

  • Filter 操作 (Sobel edge detect & Gaussian Blur)

  • SIFT 介紹與實作 (Feature Extractor)

  • SIFT 其他應用 (Keypoint Matching)

  • Image Processing Basic

  • OpenCV影像增強

  • 雜訊與對抗

  • 在圖像中的單詞周圍繪製邊界框

  • 基於顏色、輪廓檢測物體

  • Pytorch影像增強

• Part 2. 電腦視覺深度學習基礎

  • CNN分類器架構：卷積層

  • CNN分類器架構：步長、填充

  • CNN分類器架構：池化層、全連接層

  • CNN分類器架構：Batch Normalization

  • 訓練一個CNN分類器：Cifar10為例

  • 如何使用Data Augmentation

  • 深度學習理論與實作：Classic CNN Backbone

  • InceptionV1-V3

  • ResNetV1-V2、InceptionV4、Inception-ResNet

  • Transfer learning

  • Breaking Captchas with a CNN

• Part 3. CNN and Important models

  • CNN補充說明

  • 訓練上優化

  • CNN經典模型

  • Transfer learning

• Part 4. 物件偵測基本要素

  • Object detection原理

  • Object detection基本介紹、演進

  • Region Proposal、IOU概念

  • RPN架構介紹

  • Bounding Box Regression原理

  • Non-Maximum Suppression (NMS)原理

  • 程式導讀、實作

• Part 1. 基礎影像處理

  • OpenCV 簡介 + 顯示圖片

  • Color presentation 介紹 (RGB, LAB, HSV)

  • 顏色相關的預處理 (改變亮度, 色差)

  • 以圖片為例做矩陣操作 (翻轉, 縮放, 平移)

  • 透過 OpenCV 做圖並顯示 (長方形, 圓形, 直線, 填色)

  • Affine Transformation 概念與實作

  • Perspective Transformation 概念與實作

  • Filter 操作 (Sobel edge detect & Gaussian Blur)

  • SIFT 介紹與實作 (Feature Extractor)

  • SIFT 其他應用 (Keypoint Matching)

  • Image Processing Basic

  • OpenCV影像增強

  • 雜訊與對抗

  • 在圖像中的單詞周圍繪製邊界框

  • 基於顏色、輪廓檢測物體

  • Pytorch影像增強

• Part 2. 電腦視覺深度學習基礎

  • CNN分類器架構：卷積層

  • CNN分類器架構：步長、填充

  • CNN分類器架構：池化層、全連接層

  • CNN分類器架構：Batch Normalization

  • 訓練一個CNN分類器：Cifar10為例

  • 如何使用Data Augmentation

  • 深度學習理論與實作：Classic CNN Backbone

  • InceptionV1-V3

  • ResNetV1-V2、InceptionV4、Inception-ResNet

  • Transfer learning

  • Breaking Captchas with a CNN

• Part 3. CNN and Important models

  • CNN補充說明

  • 訓練上優化

  • CNN經典模型

  • Transfer learning

• Part 4. 物件偵測基本要素

  • Object detection原理

  • Object detection基本介紹、演進

  • Region Proposal、IOU概念

  • RPN架構介紹

  • Bounding Box Regression原理

  • Non-Maximum Suppression (NMS)原理

  • 程式導讀、實作