专栏名称: 炼数成金前沿推荐
关注炼数成金,学习数据挖掘与分析技巧,了解最新快的数据分析课程信息。更多知识更多优惠,尽在炼数成金!招募天下好汉,一起炼数成金!
目录
相关文章推荐
西藏生态环境保护  ·  学辐射环评知识 ... ·  昨天  
西藏生态环境保护  ·  学辐射环评知识 ... ·  昨天  
中国舞台美术学会  ·  首期舞台化妆造型高级人才研修班即将在中国国家 ... ·  3 天前  
中国舞台美术学会  ·  分享丨灵感来自早期游戏世界的沉浸式水晶灯光装置 ·  2 天前  
51好读  ›  专栏  ›  炼数成金前沿推荐

计算机视觉与深度学习实战

炼数成金前沿推荐  · 公众号  ·  · 2018-04-28 16:03

正文

在当今的信息化社会,图像是人类赖以获取信息的最重要来源之一。随着计算机技术的迅猛发展,图像技术与计算机技术不断融合,产生了一系列图像处理软件如 MATLAB 等,这些软件的广泛应用为图像技术的发展提供了强大的支持。MATLAB已成为国际公认的最优秀的科技应用软件之一,具有编程简单、数据可视化功能强、可操作性强等特点,而且配有功能强大、专业函数丰富的图像处理工具箱,是进行图像处理必备的软件工具。现有的 MATLAB 图像处理著作多是讲解图像处理中的经典理论与算法,鲜有解决实际问题的案例。在本课程中,老师将自己在多年的实践中积累的案例与学生分享,其中关于图像去雾、图像去噪、图像识别等方面的相关内容都紧跟图像研究热点,对于刚开始接触相关领域的研究者来说,是很好的入门教程。


本课程的一大特点是对于每个案例都有详细的理论基础介绍,并配备了实例代码和注释,不仅可以让初学者很快学习到代码编写方面的知识,还可以让读者在动手实践的过程中深入理解所研究的相关问题。本课程将代码讲解融入实际的案例中,相比其他基础书籍更加生动形象,解决了读者在实践过程中遇到的具体、实际的技术难点,为学生提供了直接的技术支持。


本课程共12节课,分为三大部分,在实际中将覆盖如下案例。


课程大纲:

一. 计算机视觉基础案例

第1课 图像增强基础案例

课程引入——白金还是蓝黑?生物视觉模拟解密应用

基于直方图优化的图像去雾技术

基于形态学的权重自适应图像去噪


第2课 图像分割基础案例

课程引入——自定义动画文本生成应用

基于多尺度形态学提取眼前节组织

基于K-means聚类算法的图像区域分割

基于 Hough 变化的答题卡识别

基于阈值分割的车牌定位识别


第3课 视频处理基础案例

课程引入——大话西游牌匾制作

视频处理基础工具

搭建基础的视频处理框架

基于模型的人脸识别基础以及网络图片爬虫

基于CNN的影视明星人脸检测与识别应用


二. 计算机视觉进阶案例

第4课 医学影像应用案例

课程引入——某鸡蛋生产线定位及统计

基于分水岭分割进行肺癌诊断

基于最小误差法的胸片分割

基于区域生长的肝脏影像分割系统


第5课 模式识别应用案例

课程引入——腾讯二维码解析

基于主成分分析的人脸二维码识别

基于知识库的手写体数字识别

基于特征匹配的英文印刷字符识别

基于不变矩的数字验证码识别


第6课 图像融合应用案例

基于小波技术进行图像融合

基于块匹配的全景图像拼接


第7课 图像压缩应用案例

基于霍夫曼图像压缩重建

基于主成分分析的图像压缩和重建

基于小波的图像压缩技术


第8课 图像特征应用案例

课程引入——模拟色盲检测的应用

基于Hu不变矩的图像检索技术

基于Harris的角点特征检测

基于K聚类的彩色图像自动汇聚技术

基于Sift特征点的人民币区域检测


第9课 图像控制应用案例

课程引入——图像特效控制应用

基于语音识别的信号灯图像模拟控制技术

基于小波变换的数字水印技术

基于齿轮转动声音的故障诊断系统

基于压缩感知的目标跟踪应用


三. 计算机视觉系统案例

第10课 图像综合应用案例

课程引入——红色咖啡杯的跟踪

基于Camshift的人脸跟踪应用

基于Camshift的手部跟踪应用

基于帧间差法进行视频目标检测

路面裂缝检测识别系统设计

基于AlexNet的迁移学习应用


第11课 深度学习应用案例

基于AlexNet的烟叶成熟度鉴别应用

基于AlexNet的昆虫鉴别应用

基于AlexNet及SVM的多维学习应用

基于深度学习的字符识别应用

基于DNN的图像去噪应用

基于GoogLeNet的场景识别应用

基于AlexNet的隐层可视化研究


第12课 实践总结课

基于CNN的图像倾斜角度计算

基于RCNN的交通标志牌检测

基于VGG的语义分割应用

基于OCR的图片文字定位应用


授课时间:

本期课程预计2018年5月11日开课,预计课程持续时间为13周。


课程环境:

windows + Matlab







请到「今天看啥」查看全文