计算机视觉

• 图片增广
  • 常用增广方法
  • 如何使用
  • 训练
  • 总结
  • 练习
• Fine-tuning: 通过微调来迁移学习
  • 热狗识别
  • 结论
  • 练习
• 使用卷积神经网络的物体检测
  • R-CNN：区域卷积神经网络
  • Fast R-CNN：快速的区域卷积神经网络
  • Faster R-CNN：更快速的区域卷积神经网络
  • Mask R-CNN
  • SSD: 单发多框检测器
  • YOLO：只需要看一遍
  • YOLO v2：更好，更快，更强
  • 总结
• SSD — 使用Gluon
  • 数据集
  • SSD模型
  • 训练
  • 预测
  • 结论
  • 练习
• YOLO — 使用Gluon
  • YOLO v2
  • 课后习题
• 语义分割：FCN
  • 数据集
  • 全连接卷积网络
  • 训练
  • 预测
  • 总结
  • 练习
• 样式迁移
  • 数据
  • 模型
  • 损失函数
  • 训练
  • 总结
  • 练习
• 实战Kaggle比赛——使用Gluon对原始图像文件分类（CIFAR-10）
  • Kaggle中的CIFAR-10原始图像分类问题
  • 整理原始数据集
  • 使用Gluon读取整理后的数据集
  • 设计模型
  • 训练模型并调参
  • 对测试集分类
  • 作业（汇报作业和查看其他小伙伴作业）：
• 实战Kaggle比赛——使用Gluon识别120种狗 (ImageNet Dogs)
  • Kaggle中的CIFAR-10原始图像分类问题
  • 整理原始数据集
  • 使用Gluon读取整理后的数据集
  • 设计模型
  • 训练模型并调参
  • 对测试集分类
  • 作业（汇报作业和查看其他小伙伴作业）：