深度学习计算机视觉™ CNN、OpenCV、YOLO、SSD 和 GAN
2020 年更新，支持 TensorFlow 2.0，成为深度学习计算机视觉专家！包括 20 多个真实世界项目
讲师：Rajeev D. Ratan
口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
你会学到什么
- 通过完成 26 个高级计算机视觉项目来学习，包括情感、年龄和性别分类、伦敦地铁标志检测、猴子品种、鲜花、水果、辛普森一家角色等等！
- 高级深度学习计算机视觉技术，例如迁移学习和在 ImageNet 上使用预训练模型（VGG、MobileNet、InceptionV3、ResNet50），并重新创建流行的 CNN，例如 AlexNet、LeNet、VGG 和 U-Net。
- 通过我简单易懂的解释了解神经网络、卷积神经网络、R-CNN、SSD、YOLO 和 GAN 的原理
- 熟悉其他框架（PyTorch、Caffe、MXNET、CV API）、云 GPU 并大致了解计算机视觉世界
- 如何使用 Python 库 Keras 构建复杂的深度学习网络（使用 Tensorflow 后端）
- 如何进行 Neural Style Transfer、DeepDream 和使用 GAN 将 60 岁以上的人脸老化
- 如何创建、标记、注释、训练您自己的图像数据集，非常适合大学项目和初创公司
- 如何使用带有近 4 小时视频的免费选修课程来使用 OpenCV
- 如何使用 U-Net 等 CNN 执行图像分割，这在医学成像应用中非常有用
- 如何使用 TensorFlow 的对象检测 API 并在 YOLO 中创建自定义对象检测器
- 使用 VGGFace 进行人脸识别
- 在 PaperSpace 上使用云 GPU，速度比 CPU 提高 100 倍
- 构建计算机视觉 API 和 Web 应用程序并使用 EC2 实例将其托管在 AWS 上
要求
- 有基本的编程知识是加分项，但不是必需项
- 高中数学水平，大学水平将是一个奖励
- 至少 20GB 的虚拟机和数据集存储空间
- Windows、MacOS 或 Linux 操作系统
描述
更新：2020 年 6 月
- TensorFlow 2.0 兼容代码
- TensorFlow2.0（带 Keras）、OpenCV4 和 Dlib 的 Windows 安装指南
深度学习计算机视觉™ 使用 Python 和 Keras 实现 CNN、YOLO、TFOD、R-CNN、SSD 和 GAN + OpenCV 的免费介绍。
如果您想学习将深度学习应用于计算机视觉的所有 2019 年最新概念，请不要再犹豫了——这就是适合您的课程！您将掌握以下 Python 深度学习框架：
- 凯拉斯
- 张量流 2.0
- TensorFlow 对象检测 API
- YOLO（暗网和暗流）
- 打开CV4
所有这些都在一个易于使用的虚拟机中，并预装了所有库！
================================================ ====
2019 年 4 月 更新：
- 如何在 PaperSpace 上设置云 GPU并将CIFAR10 AlexNet CNN 的速度提高近 100 倍！
- 构建计算机视觉 API 和 Web 应用程序并使用 EC2 实例将其托管在 AWS 上！
2019 年 3 月更新：
新增人脸识别&信用卡读卡器项目
- 使用网络摄像头识别多人
- 老友记电视节目角色的面部识别
- 拍一张信用卡的照片，提取并识别该卡上的号码！
================================================ ====
涉及深度学习的计算机视觉应用正在蓬勃发展！
拥有可以“看”的机器将改变我们的世界，并彻底改变几乎所有行业。有视觉的机器或机器人将能够：
- 执行手术并通过医学扫描准确分析和诊断您。
- 启用自动驾驶汽车
- 从根本上改变机器人，使我们能够制造可以做饭、打扫卫生并协助我们完成几乎所有任务的机器人
- 了解在 CCTV 监控视频中看到的内容，从而执行安全、交通管理和许多其他服务
- 通过惊人的神经风格转换和其他创新类型的图像生成来创造艺术
- 模拟许多任务，例如老化面孔、修改实时视频源和逼真地替换电影中的演员
Facebook、谷歌、微软、苹果、亚马逊和特斯拉等大型科技公司都在投入数十亿美元用于计算机视觉研究。
因此，对计算机视觉专业知识的需求呈指数级增长！
然而，用深度学习学习计算机视觉是很难的！
- 教程过于技术性和理论性
- 代码已过时
- 初学者只是不知道从哪里开始
这就是我制作这门课程的原因！
- 我花了几个月的时间开发了一条正确而完整的学习路径。
- 我在逻辑上教授所有关键概念，并且在使用最新方法的同时不会让您负担过重的数学理论。
- 我创建了一个安装了所有深度学习库（Keras、TensorFlow、OpenCV、TFODI、YOLO、Darkflow 等）的免费虚拟机！这将为您节省数小时的痛苦复杂安装
- 我使用实际示例进行教学，您将通过完成18 个项目来学习！
项目如：
- 使用 MNIST 进行手写数字分类
- 使用 CIFAR10 进行图像分类
- 猫狗分类器
- 使用 Flowers-17 的花分类器
- 使用 FNIST 的时尚分类器
- 猴品种分类器
- 水果分级机
- 辛普森角色分类器
- 使用预训练的 ImageNet 模型对 1000 个对象类进行分类
- 年龄、性别和情绪分类
- 使用 U-Net 在医学扫描中寻找细胞核
- 使用使用 TensorFlow 对象检测构建的 ResNet50 SSD 模型进行对象检测
- 使用 YOLO V3 进行目标检测
- 检测伦敦地铁标志的定制 YOLO 物体检测器
- 深梦
- 神经风格迁移
- GANs – 生成假数字
- GANs – 使用 Age-cGAN 的年龄高达 60+
- 人脸识别
- 信用卡数字阅读器
- 在 PaperSpace 上使用云 GPU
- 构建计算机视觉 API 和 Web 应用程序并使用 EC2 实例将其托管在 AWS 上！
以及 OpenCV 项目，例如：
- 现场素描
- 识别形状
- 计算圆和椭圆
- 寻找沃尔多
- 使用 OpenCV 的单目标检测器
- 使用级联分类器的汽车和行人检测器
因此，如果您想在计算机视觉方面打下良好的基础，那就别无所求。
这是给你的课程！
在本课程中，您将发现 Python 中计算机视觉的强大功能，并获得可显着提高您作为计算机视觉开发人员的职业前景的技能。
================================================ ====
至于更新和支持：
我将每天活跃在课程的“问答”区域，因此您永远不会孤军奋战。
那么，你准备好开始了吗？立即注册，立即开始使用深度学习成为计算机视觉大师的过程！
================================================ ====
以前的学生对我的其他 Udemy 课程说了什么：
“我对这些可能性感到惊讶。非常有教育意义，学到的东西比我想象的要多。现在，能够将它实际用于实际目的是很有趣的……还有更多需要学习和应用的东西”
“计算机视觉课程教得非常好，内容丰富！我在网上搜索 OpenCV python 教程资源，但是这门课程是迄今为止相关课程和项目的最佳结合。喜欢其中的一些项目，并且在修补它们时获得了很多乐趣。 “
“很棒的讲师和课程。解释真的很容易理解，材料也很容易理解。绝对是对图像处理的非常好的介绍。”
“这门课程给我留下了极其深刻的印象！我认为这是迄今为止 Udemy 上最好的计算机视觉课程。我是一名大学生，之前在本科阶段学习过计算机视觉课程。这门 6.5 小时的课程让我的大学课程大吃一惊英里！！”
“Rajeev 在这门课程上做得很好。我不知道计算机视觉是如何工作的，现在有了良好的概念基础和实际应用知识。Rajeev 清晰简洁，有助于使任何想要了解复杂主题的人都能轻松理解开始构建应用程序。”
================================================ ====
本课程适合谁：
- 程序员、大学生或任何对计算机视觉和深度学习感兴趣的人
- 那些希望站在人工智能革命就业市场前沿的人
- 那些拥有涉及计算机视觉的令人惊叹的创业公司或应用创意的人
- 想要构建有趣的计算机视觉应用程序的热心爱好者
