【课程介绍】
课程目标8 F, J( k t" H, q
帮助OpenCV开发人员更好的理解与掌握深度神经网络(DNN)模块应用开发，提升解决问题能力，认真学完课程，有能力更好完成图像分类、对象检测、视频跟踪等应用需求、提升个人能力与口碑。学会在OpenCV中使用预训练的深度学习模型，开发相关应用。" X! p q8 K/ {3 H g
适用人群
有面向对象语言基础，对图像处理感兴趣的，在学本科生与研究生，中高级开发人员。计算机视觉开发人员、使用
2 d' q0 [' C" R- t; V
课程简介3 u( _- J; Y3 e1 J X/ p& Y6 X% C/ U) x( U
基于OpenCV3.3 深度神经网络模块(DNN)，使用预训练的深度学习网络模型实现各种常见的计算机视觉领域应用。讲述与演示了各种深度学习神经网络模型在图像分类、对象检测、图像分割、视频实时对象检测与对象跟踪等方面的应用。是OpenCV3.3最实用的功能之一。 [& W5 |( l$ e$ D0 `; s
【课程目录】
1DNN模块概述[免费试看]19:247 C1 q6 O6 U: T$ s! N0 l8 k
2使用GoogleNet模型实现图像分类-0123:25/ G: O; ?( P- ~0 M$ h c9 r) K8 B, F& V4 B1 F; D, `( \2 }
3使用GoogleNet模型实现图像分类-0218:22# U& D5 r' }* r# [/ `
4使用SSD模型实现对象检测-0126:20
5使用SSD模型实现对象检测-0228:50/ V, T$ E% Z' O8 ~9 D3 D+ a3 C& ?3 L% X+ Y, l: R0 o5 u
6MobileNet模型实时对象检测21:36& G L2 {6 T/ [. z5 L6 u
7FCN模型实现图像分割-0121:15+ {& F9 J" Z u" d0 t) H$ W; v8 G, P8 E$ E, n8 _4 {
8FCN模型图像分割-0221:25/ I ^, Y" U# o. ?) I' k3 }8 g a& Z, h0 A) W
9CNN模型预测性别与年龄29:067 w& j* p/ `5 p" G$ X
10GOTURN模型实现视频对象跟踪28:51$ @# |
