TensorFlow+CNN实战AI图像处理，入行计算机视觉

课程简介

想要成为一名优秀的AI图像处理工程师并不容易，门槛和要求都比较多。很多人都是理论上的王者，实践上的青铜，自以为对框架、算法的理解足够，但因为缺乏应用场景和实践机会，遇到具体需求仍然不知道该怎么抽象问题，然后用模型解决。这个课就是为此而生，更偏重于实用，结合项目实践，让你掌握解决问题的能力！
课程目标
完整掌握图像处理相关技术体系
掌握深度学习建模、图像处理的基本原理和清晰的技术体系，掌握在工程上如何搭建与实现一个完整的计算机视觉处理系统。
深度提升计算机视觉岗位技能
提升图像处理领域的实际工作能力，包括编码、建模、调优等，结合业务场景分析与解决问题，从而提升计算机视觉处理方向的岗位能力。
获得一套解决问题的方法思路
掌握图像特征提取的方法、图像特征分析的方法与思路，掌握超分辨率技术与人工智能技术相互结合的前沿业界图像处理解决方案，从而高效解决实际遇到的问题。

课程共7个章节：

第1章 AI职场你能走多远: 走近AI视觉工程师的世界 试看12 节 | 104分钟
本章分享了初、中、高三个级别的A I视觉工程师职业发展过程中必知的一些金玉良言。重点阐述了如何快速从一个小白到成为真正AI视觉工程师所必须经历的过程。最后对整个课程的知识脉络做一个宏观的介绍以及如何学好本门课程的学习建议。
第2章 AI视觉处理预备知识: 必知概念、工具与基本操作15 节 | 96分钟
本章介绍了计算机视觉的基本任务、图像的基本特征、图像数据处理工具Pillow及深度学习框架(TensorFlow)等预备知识。帮助学员掌握与AI视觉开发相关最低限度的技能储备，包括：如何从图像特征的视角理解AI视觉处理、如何对图像进行处理、如何搭建基本的神经网络模型等。
第3章 感悟AI视觉的精妙构思: 完成第一个AI视觉项目14 节 | 88分钟
本章展示了如何运用之前学过的预备知识来搭建一个AI视觉项目，让学员从工程的视角感性的理解项目开发的全过程。具体包括如何按照机器学习流程来准备图像、数据预处理、建模、学习、预测与评估。本章实践的核心目的：这些必备技能未来可以顺利地应用于实际开发。
第4章 Ai视觉工程师进阶: 驾驭卷积神经网络模型9 节 | 94分钟
本章介绍了卷积神经网络，带领学员们攻克AI视觉开发中最难啃的壁垒。本章用大量的笔墨来阐述卷积神经网络的灵魂“滤波器”。具体包括CNN的工作原理描述、滤波器提取特征的过程分析，最后通过Python代码实战来完成滤波器提取图像特征的任务。
第5章 CNN增强图像分辨率项目： 实战精讲25 节 | 265分钟
从本章开始为大家介绍一个完整的CNN图像增强项目。站在大厂实际开发的视角，从数据预处理、模型设计、学习、评估等机器学习流程维度，以及需求分析、架构设计、核心功能模块实现等软件工程维度展开讲解，手把手带领学员编写每一行Python程序代码。
第6章 项目优化实战： 项目Leader的内功心法11 节 | 113分钟
本章介绍项目开发中不可避免的因业务变更、需求调整、产品升级、模型缺陷等主客观因素造成的开发过程变更。分析了针对上述各种情况如何处理与应对的策略，重点阐述了CNN模型内部调整的细节。
第7章 研发优质产品： 持续打磨产品核心功能15 节 | 81分钟
本章介绍了图像质量评估指标机制在图像增强方向的实际运用。具体包括：为了持续打造优质产品，通过模型调整、需求扩充、数据标准化等环节来不断提升产品的价值、如何在画质增强方面建立画质质量评估指标。

课程亮点
随着AI发展愈发成熟，计算机视觉的热度也越来越高，现在入场时机正好！

立足业务视角，通过完整的计算机视觉项目实操不仅掌握技术，更掌握实际应用！

核心技术
TensorFlow框架、CNN模型、Python语言
软件库
NumPY、Matplotlib、Pillow、scikit-image、Keras
知识体系
机器学习算法、机器学习建模、数据可视化、数据预处理
落地应用
图像处理相关模型学习的基本流程
AI模型可视化、评价与优化等技巧
常见计算机视觉质量评估的技术标准
Tensorflow如何搭建神经网络模型
基于CNN的多层网络模型设计技巧
提高处理模型训练速度相关的优化策略

课程截图

课程目录

TensorFlow+CNN实战AI图像处理，入行计算机视觉
├1
1-10简历点评-应届生_工作经验型案例1100.mp4
1-11Ai知识图谱1123.mp4
1-12金玉良言-课程知识脉络与学习建议0557.mp4
1-1这是一门可以带领你轻松步入视觉开发工程师的好课0928.mp4
1-2本章概览0121.mp4
1-3Ai职场的蛋糕定律0755.mp4
1-4初入职场-快速成为合格的Ai视觉工程师1201.mp4
1-5小白上道-面试中论项目履历的重要性0958.mp4
1-6锦囊相送-非HR技术高管面试更注重什么0854.mp4
1-7跳槽必知-如何让Ai技术猎头更加关注你0611.mp4
1-8加薪升职-高端CV岗如何做足面试准备1123.mp4
1-9技能量化-常见职级模型解读0738.mp4
├2
2-10大数据时代的AI图像处理框架-TensorFlow1214.mp4
2-11用Kerasapplications提取图像特征0331.mp4
2-12用Keras构建神经网络0958.mp4
2-13拓展知识OpenCV开源图像数据处理工具0442.mp4
2-14本章必会知识点与难点精析0547.mp4
2-1本章概览0051.mp4
2-2计算机视觉与图像处理的关系0157.mp4
2-3计算机视觉处理的基本任务0621.mp4
2-4Ai视觉处理的应用0834.mp4
2-5图像的特征10825.mp4
2-6图像的特征20613.mp4
2-7图像的特征30924.mp4
2-8图像的特征40522.mp4
2-9Pillow处理图像数据1241.mp4
├3
3-10Ai模型的评估与保存0513.mp4
3-11欣赏成果图像分辨率处理效果展示的执行0336.mp4
3-12培养大厂思维尝试提高Ai模型的性能0756.mp4
3-13拓展知识OpenCV人脸检测0317.mp4
3-14本章必会知识点与难点精析0524.mp4
3-1本章概览0240.mp4
3-2Ai图像处理模型学习的流程0924.mp4
3-3第一个Ai视觉处理项目的准备工作1314.mp4
3-4流程第一步图像数据的获取_下载0800.mp4
3-5进一步处理图像-使用Pillow和NumPy0512.mp4
3-6流程第二步建立Ai视觉处理模型0816.mp4
3-7流程第三步嵌入神经网络CNN的工作0607.mp4
3-8将模型PC机部署并启动与运行0121.mp4
3-9流程第四步AI模型学习结果显示0802.mp4
├4
4-1本章概览0229.mp4
4-2神经网络的升级版本-卷积神经网络CNN0538.mp4
4-3CNN的基本结构0345.mp4
4-4用二维滤波器检测图像特征1131.mp4
4-5将缩减的图像零填充恢复图像的尺寸0317.mp4
4-6案例基于TensorFlow的滤波器编程实践010354.mp4
4-7案例基于TensorFlow的滤波器编程实践022738.mp4
4-8案例基于keras风格的Fashion-MNIST编程实战3221.mp4
4-9本章必会知识点与难点精析0315.mp4
├5
5-10AdamOptimizer优化算法参数的设定0605.mp4
5-11项目Python代码模块设计方案0323.mp4
5-12数据预处理模块设计与Python代码实战0254.mp4
5-13模型构建与Python代码实战1059.mp4
5-14模型训练过程与Python代码实战1507.mp4
5-15模型评价与Python代码实战1142.mp4
5-16结果可视化与Python代码实战1610.mp4
5-17模型的保存与Python代码实战0204.mp4
5-18阶段结果验收与评估0344.mp4
5-19ImagesDataGenerator处理模糊-清晰图像数据集实战精讲2430.mp4
5-1本章概览0251.mp4
5-20梯度消失问题策略0446.mp4
5-21激活函数详解-01双曲正切函数1706.mp4
5-22激活函数详解-02ReLU函数1145.mp4
5-23激活函数详解-03LeakyReLU函数0915.mp4
5-24激活函数详解-04swish函数1457.mp4
5-25本章必会知识点与难点精析0624.mp4
5-2图像超分辨率模型2627.mp4
5-3建立第一个图像超分辨率模型0508.mp4
5-4超分辨率模型Python代码实现1041.mp4
5-5图像预处理1751.mp4
5-6制作高低分辨率图像数据-11454.mp4
5-7制作高低分辨率图像数据-20823.mp4
5-8制作高低分辨率图像数据-31333.mp4
5-9选择误差函数策略0352.mp4
├6
6-10读书少年卡通图像画质增强实战1941.mp4
6-11本章必会知识点与难点精析0453.mp4
6-1本章概览0228.mp4
6-2融合业务与再次深入把控卷积原理1948.mp4
6-3问题分析与激活函数调整策略0753.mp4
6-4提升画质质量-尝试不断更换模型0546.mp4
6-5调整epoch平衡模型的拟合情况0712.mp4
6-6建立画质质量评估指标-PSNR1209.mp4
6-7尝试支持彩色图像画质0153.mp4
6-8建立画质质量评估指标-SSIM1138.mp4
6-9提升画质质量-跳跃连接结构模型1920.mp4
├7
7-10学习率设定策略05-Adadelta0220.mp4
7-11学习率设定策略06-Adam0604.mp4
7-12学习率设定策略07-AMSGrad0324.mp4
7-13BatchNormalization提高模型训练速度0508.mp4
7-142023年玉兔幸福年-图像增强实战纪念版1053.mp4
7-15本章必会知识点与难点精析0358.mp4
7-1本章概览0109.mp4
7-2模型权重初始值设定策略0633.mp4
7-3过拟合问题低层剖析0728.mp4
7-4模型Dropout层防止过拟合策略0415.mp4
7-5引入EarlyStopping机制应对突发情况0827.mp4
7-6学习率设定策略01-momentum1055.mp4
7-7学习率设定策略02-Nesterov0418.mp4
7-8学习率设定策略03-Adagrad0246.mp4
7-9学习率设定策略04-RMSprop0311.mp4