简单回顾一下有三AI-CV夏季划
学习内容覆盖以下几个部分:
(1) 编程基础,包括C++使用,Caffe等框架的完整源代码解读与定制,开源框架Pytorch的使用。
(2) 数据使用,包括数据获取,数据整理,数据标注,数据增强。
(3) 计算机基础方向深入掌握,包括图像分类,图像分割,目标检测与跟踪,人脸图像检测与识别,图像生成GAN,视频分类与行为识别。
(4) 模型设计与优化深入掌握,包括模型分析,模型设计,模型优化。
(5) 有三最新出版的3本书,包括《深度学习之人脸图像处理》,《深度学习之摄影图像处理》,《生成对抗网络GAN》。
(1) 3本图书教材。
(2) 配套的视频教程。
(3) 2个知识星球学习社区,有三AI知识星球社区,以及有三AI-夏季划知识星球社区。
(4) 一些有趣的资料,比如学习扑克牌卡片(数量有限,送完即止)。
(5) 有三AI项目研发组,持续发布各类真实的企业研发项目。
(6) 有三AI内容组,包括针对B端与C端的图文与视频课程输出。
如今之所以要结束CV夏季划,有以下几个主要原因。
其一:任何学习计划都需要成长。当下已经有内容更加解耦合的模式供大家选择,本文后面会进行介绍。
其二:精力有限。因为所有季划成员享有本人的不限时一对一答疑,而春夏季划成员多为初学者,问题较多,花费时间也较多。2023年我需要将更多精力倾斜到工业项目上,因此要降低入门级季划成员辅导时间配比,提高中高级(秋冬季划)成员时间辅导配比。
其三:行业分工变化。当前行业快速发展,夏季划中一些内容更加适合作为通用的CV基础供所有初学者学习,而另一些内容则适用于领域不同的学习者(聚焦算法研发或者工业应用落地),大家的最终目标分工有较大区别,因此分成不同小组方便大家做更灵活的选择。
然而仍然会有一些有系统性学习需求的同学需要夏季划这样综合性的学习小组,那之后应该怎么选择我们的学习内容呢?下面我们给出替代的解决方案,即【深度学习CV基础理论与实践学习专栏】+【CV秋季划/CV冬季划学习小组】,深度学习CV基础理论与实践可供大家完成通用基础内容学习,CV秋季划则可以让大家聚焦于特定的应用领域,对标公司的就业岗位,CV冬季划则可以集中锻炼项目实战能力,下面我们分别进行介绍。
深度学习CV基础理论与实践
计算机视觉中大大小小可以包括至少30个以上的方向,在基于深度学习的计算机视觉研究方向中,图像分类,图像分割,目标检测,图像生成,基础模型设计无疑是最基础最底层的任务,掌握好之后可以很快的迁移到其他方向,比如目标识别,目标跟踪,图像增强等。
本专栏包括5个方向内容,模型设计,图像分类,图像分割,目标检测,图像生成。
下面我们简单介绍一下各专栏内容:
对于刚接触深度学习计算机视觉的初学者来说,图像分类问题是最常见的问题,如何做好图像分类任务,关系到大家能否正确顺利地入门、如何学习接下来更加高阶的内容。
图像分类课程当前包含的内容共约12个小时,PPT数量超过300页。
理论部分:涵盖了深度学习之图像分类的各个研究方向,如图像分类简介、多类别图像分类、细粒度图像分类,多标签图像分类,弱监督图像分类,零样本图像分类等,既有足够的宽度,也具备有足够的深度。
实践部分:一共已经包含了5个实践案例,分别为人脸表情分类基本模型实战,动物细粒度分类实战,生活用品多标签图像分类实战,基于血红细胞的图像分类竞赛技巧,简单图像分类任务数据增强实践,基于Pytorch实战来详解图像分类任务实践。
大纲如下:
一些PPT动图如下:
一些实践案例如下:
深度学习的核心是什么,当然是“模型”,从CNN到GAN,再到Transformer,正是各类深度学习模型结构的快速发展才使得当前AI技术进展日新月异,其中模型的设计是整个深度学习领域的通用基础,不管是从头设计自己的神经网络,还是对已有模型进行优化获得更高的任务指标,更快的运行速度,获得更小的模型体积,都需要掌握各类网络的设计技巧,是深度学习算法工程师进阶的难点及必学点!
图像分类课程当前包含的内容共约20个小时,PPT数量超过450页。
理论部分包括:网络深度与模型性能,网络宽度与模型性能,注意力机制,轻量化网络理论。
(1) 基于网络深度的CNN模型设计,内容包括经典浅层卷积网络的设计模型如neocognitron、经典模型AlexNet,VGGNet,ResNet。
(2) 基于网络宽度的CNN模型设计,内容包括多分支经典模型如GoogLeNet,ResNext等
(3) 经典注意力机制CNN模型设计,内容包括空间注意力模型、通道注意力模型、 混合注意力模型。
(4) 轻量级模型设计,内容包括Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络。
实践部分内容包括4个:基于ResNet的垃圾分类实战,基于InceptionNet系列的花卉分类实战,基于SeNet的人种分类实战,Pytorch模型安卓端部署。
大纲如下:
一些PPT动图如下:
一些实践案例如下:
图像分割是在图像分类基础上更加细粒度的像素级分类问题,在视频直播,电商推荐,自动驾驶,医学图像等行业中有着广泛的应用,是深度学习计算机视觉领域中非常底层的问题,也是必须掌握的核心算法,包含的东西非常多。
图像分割课程当前包含的内容共约12个小时,PPT总数约400页。
理论部分:涵盖了深度学习之图像分割的各个研究方向,如图像分割基础、语义分割、弱监督语义分割,Image Matting,实例分割等,既有足够的宽度,也具备有足够的深度。
实践部分。本次课程中一共已经包含了4个实践案例,分别为人脸嘴唇分割实战,缺陷分割实战,Image Matting人像抠图实战,Mask RCNN实例分割实战,后续可能还会增加其他方向的实战。
大纲如下:
一些PPT动图如下:
一些实践案例如下:
课程详情可见:【视频课】CV必学,超10小时,3大模块,4大案例,循序渐进地搞懂图像分割!
目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域,是图像处理和计算机视觉学科的重要分支,也是智能监控系统的核心部分,对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。
目标检测课程当前包含的内容共约28个小时,PPT总数约400页。
理论部分内容包括:目标检测相关基础,包括流程与评价指标,two-stage算法-Faster RCNN系列详解、one-stage算法-YOLO系列详解,Anchor-free算法系列详解(包括Densebox,CenterNet,CornetNet等);
一些PPT动图如下:
一些实践案例如下:
课程详情可见:【视频课】CV必学,超30小时,4大模块,4大案例,循序渐进地搞懂目标检测!
GAN的研究和应用在这几年发展可以说是非常迅猛,已经被用于各个研究方向,其应用涉及图像与视频生成,数据仿真与增强,各种各样的图像风格化任务,人脸与人体图像编辑,图像质量提升。其中GAN最早期也是最经典的任务,就是高质量图像生成,当前已经可以生成1024分辨率以上的高清逼真图像。
图像生成GAN课程当前包含的内容共约6个小时,PPT总数约200页。
(1) 理论非常完备。详细解读了基本的卷积GAN,各类条件生成GAN,强大的StyleGAN系列,数据增强与仿真GAN,视频生成GAN,后续还会增加3D与视频的部分内容,既有足够的宽度,也具备有足够的深度。
(2) 实践足够完备。本次课程中一共已经包含了2个Pytorch实战案例,分别为DCGAN人脸嘴唇表情生成任务,StyleGAN人脸图像生成任务,后续还会增加3D与视频部分的实践内容。
课程大纲如下:
一些PPT动图如下:
一些实践案例如下:
课程详情可见:【视频课】CV必学,超6小时,2大模块,循序渐进地搞懂GAN图像生成!
以上就是5门CV基础课程的介绍,扫描下面的课程二维码就可以进行订阅。
而且合集中还赠送了【有三AI知识星球,订阅后联系有三即可领取】,扫码即可订阅,地址如下:
有三AI知识星球的介绍如下:【重要】有三AI知识星球不再对外公开!还想加入的有哪些途径?
秋/冬季划小组
在掌握了以上基础内容之后,大家可以选择CV秋季划或者CV冬季划进行进阶。目前共有CV秋季划模型算法组,CV秋季划GAN组,CV秋季划人脸算法组,CV秋季划图像质量组,CV冬季划组。
GAN小组学习的东西包括:GAN的基础理论,图像与视频生成,图像翻译与风格迁移,图像增强,图像编辑等方向。
详情请大家阅读:【CV秋季划】生成对抗网络GAN有哪些研究和应用,如何循序渐进地学习好(2022年言有三一对一辅导)?
模型算法小组学习的东西包括:数据使用,模型分析,模型设计,模型优化,模型部署等方向。
详情请大家阅读:【CV秋季划】模型算法与落地很重要,如何循序渐进地学习好(2022年言有三一对一辅导)?
人脸算法小组学习的东西包括:人脸检测,人脸关键点检测,人脸识别,人脸属性分析,人脸美颜,人脸编辑与风格化,三维人脸重建等方向。
详情请大家阅读:【CV秋季划】人脸算法那么多,如何循序渐进地学习好?
图像质量小组学习的东西包括:图像质量评价,图像构图分析,图像降噪,图像对比度增强,图像去模糊与超分辨,图像风格化,图像修复,图像编辑等方向。
详情请大家阅读:【CV秋季划】图像质量提升与编辑有哪些研究和应用,如何循序渐进地学习好?
CV冬季划则不再局限于特定的方向,而是广泛进行各类CV相关项目实战,当前已经有超过30期内容。
详情请大家阅读:【CV冬季划】终极进阶,超30个项目实战+3大基础方向专栏+3本书+3年知识星球(2022年言有三一对一辅导)
CV夏季划与秋季划,冬季划的主要区别在于课程内容,其他的知识星球赠送,内容组和项目组权限一致,今年我们会对秋季划和冬季划重新进行整理介绍,请大家保持关注。
关于学习方式
对于学习,我们一直有几个观点。
(1) 学习必须是系统和完整的。目前短视频时代最大的问题就是信息的碎片化,在不断更新的信息下我们很容易被带入浮躁的学习氛围中,但学习的目标是为了长期使用,那么必然需要系统性地掌握知识,往后才能够触类旁通。短期突击(如单个项目)或许可以通过测试,但是终究用处有限,而且迟早会暴露残缺的知识背景。学习是一个非常复杂的高维认知行为,因此学习资料最好也是包含各种形式,最好包含视频和图文,理论与实践兼具,囊括线上和线下交流,这样能够满足各类人群的需求,方便及时反馈问题。
(2) 学习必须是长期和动态的。本行业的特点是技术迭代更新确实非常快,因此要保持长期的学习习惯,几个月的固定学习周期是不够的,这只能初窥门道。学习资料是死的,人是活的,源源不断的问题根本就不是资料,尤其是录制好的音视频能解决的,因此我们要保证长年累月的交流渠道是畅通的,必须要有一个长期学习的技术圈子。
(3) 学习必须要完成闭环。学习的目标不是为了学习,而是为了使用。从掌握知识,到后续积累人脉和项目经历,甚至完成学生到老师的转变,越往后越有价值。我希望跟着我们学习的同学,能够持续在生态中获益,成为专栏/书籍作者,成为老师,成为项目负责人,甚至是合伙人。
基于此,我们在几年前开始推出季划的学习模式,就是为了让大家能够得到全方位的锻炼,下面是一些有三AI季划成员的分享,供大家参考:
【杂谈】一个项目获得10倍学费收入,我在有三AI学以致用的故事
【杂谈】从学员到专栏作者、讲师,我在有三AI学习与名利双收的故事
【杂谈】从失业到重要项目负责人,2020年里我如何在有三AI上岸
【杂谈】参加有三AI秋季划4个月,薪资翻倍,我在有三AI都学了啥?
【杂谈】从医学专业转行到AI,独立完成项目到获得加州理工大学读研推荐,我如何与有三AI结缘
联系客服