欢迎学习《12个计算机视觉生成式AI项目实战训练视频教程》，本课程将学习CNN、LSTM、GAN、迁移学习、数据增强/注释、Deepfake、YOLO、人脸识别、目标检测、跟踪等计算机视觉应用项目开发。
Published 3/2024
Created by MG Analytics
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz, 2 Ch
Genre: eLearning | Language: English | Duration: 80 Lectures ( 26h 47m ) | Size: 12.9 GB
你将会学到的
DEEP LEARNING
TENSORFLOW
KERAS
卷积神经网络（CNN）
循环神经网络（RNN）
LSTM（长短期记忆）
门控循环单元 (GRU)
Keras 回调/检查点/提前停止
生成对抗网络（GAN）
图像字幕
KERAS 预处理层
迁移学习
图像分类
数据注释
两次射击检测MASK RCNN
一键检测 YOLO
YOLO世界
人脸识别
换脸 – 深度伪造生成（图像 + 视频）
物体检测
语义分割
实例分割
关键点检测
姿势检测/动作识别
视频中的对象跟踪
视频中的物体计数
图像生成奖励课程
DEEP LEARNING
TENSORFLOW
KERAS
convolutional neural network (CNN)
recurrent neural network (RNN)
LSTM (Long Short-Term Memory)
Gated Recurrent Unit (GRU)
Keras Callbacks / Checkpoints /early stopping
Generative adversarial networks (GANs)
IMAGE CAPTIONING
KERAS Preprocessing layers
Transfer Learning
IMAGE CLASSIFICATION
DATA Annotation
two shot detection MASK RCNN
ONE SHOT DETECTION YOLO
YOLO-WORLD
MOONDREAM
FACE RECOGNITION
FACE SWAPPING – DEEP FAKE GENERATION (IMAGE + VIDEOS
OBJECT DETECTION
SEMANTIC SEGMENTATION
INSTANCE SEGMENTATION
KEYPOINT DETECTION
POSE DETECTION/ACTION RECOGNITION
OBJECT TRACKING IN VIDEOS
OBJECT COUNTING IN VIDEOS
IMAGE GENERATION BONUS LESSONS
要求
机器学习基础知识
Python
说明
欢迎学习《12个计算机视觉生成式AI项目实战训练视频教程》！本课程旨在让您掌握在这个令人兴奋的领域脱颖而出所需的知识和技能。无论您是寻求提高技能的机器学习从业者，还是渴望探索深度学习潜力的初学者，本课程都能满足您的需求。
你将学到什么：
掌握深度学习的基础知识，包括 Tensorflow 和 Keras 库。
深入了解卷积神经网络 (CNN)、循环神经网络 (RNN) 和生成对抗网络 (GAN) 等核心深度学习算法。
通过涉及图像分类、对象检测和图像字幕等任务的实践项目获得实践经验。
探索高级主题，例如迁移学习、数据增强以及 YOLOv8 和稳定扩散等尖端模型。
课程内容结构严谨，旨在提供全面的学习体验：
- 第 1 部分：计算机视觉简介和基础知识：提供计算机视觉概念、图像处理基础知识和色彩空间的基础。
- 第 2 部分：神经网络 – 走进深度学习的世界：介绍神经网络的概念、其工作原理及其在深度学习问题中的应用。
- 第 3 部分：Tensorflow 和 Keras：深入研究流行的深度学习框架 Tensorflow 和 Keras，解释它们的功能和 API 用法。
- 第 4 部分：图像分类解释和项目：解释卷积神经网络 (CNN)（图像分类任务的主力），并通过实践项目来巩固您的理解。
- 第 5 节：Keras 预处理层和迁移学习：演示如何利用 Keras 预处理层进行数据增强，并探索迁移学习的强大功能以加快模型开发速度。
- 第 6 节：RNN LSTM 和 GRU 简介：介绍循环神经网络 (RNN)、长短期记忆 (LSTM) 网络和用于处理顺序数据的门控循环单元 (GRU)。
- 第 7 节：GANS 和图像字幕项目：介绍生成对抗网络 (GAN) 及其应用，然后是展示其功能的图像字幕项目。
- 第 9 节：目标检测您应该了解的一切：深入研究目标检测，涵盖各种方法，例如两步检测、RCNN 架构（Fast RCNN、Faster RCNN、Mask RCNN）、YOLO 和 SSD。
- 第 10 节：图像注释工具：介绍用于图像注释的工具，这对于为对象检测任务创建标记数据集至关重要。
- 第 11 节：用于对象检测、分类、分割、姿势检测的 YOLO 模型：深入探讨 YOLO 模型，包括 YOLOv5、YOLOv8 及其在对象检测、分类、分割和姿势检测方面的功能。本节包括一个使用 YOLOv5 进行物体检测的项目。
- 第 12 节：使用 FAST-SAM 进行分割：介绍用于语义分割任务的 FAST-SAM（分段任意模型）。
- 第 13 节：对象跟踪和计数项目：提供使用 YOLOv8 进行涉及对象跟踪和计数的项目的机会。
- 第 14 节：人类行为识别项目：指导您完成使用深度学习模型的人类行为识别项目。
- 第 15 节：图像分析模型：简要探讨用于 YOLO-WORLD 和 Moondream1 等图像分析任务的预训练模型。
- 第 16 节：人脸检测和识别（年龄、性别、情绪分析）：介绍人脸检测和识别技术，包括用于分析图像中的年龄、性别和情绪的 DeepFace 库。
- 第 17 节：Deepfake 生成：概述 Deepfake 及其生成方式。
- 第 18 节：奖励主题：生成 AI – 通过提示生成图像 – 扩散模型：介绍生成 AI 的激动人心的世界，重点关注稳定扩散模型，包括 CLIP、U-Net 以及相关工具和资源。
本课程的与众不同之处：
最新课程：本课程融合了深度学习的最新进展，包括 YOLOv8、Stable Diffusion 和 Fast-SAM。
实践项目：通过实际项目应用您所学到的知识，加深对现实世界应用的理解。
清晰的解释：复杂的概念被分解为易于理解的模块，并配有详细的解释和示例。
结构化学习路径：精心组织的课程确保轻松的学习体验
此课程面向哪些人：
渴望学习深度学习的机器学习初学者
具有基本 ML 知识的 Python 开发人员
任何想要学习基于深度学习的计算机视觉算法的人
