AI深度项目实战-钢铁缺陷检测2025

课程详情

本课程旨在通过9节课的学习，帮助学员掌握多分类模型构建、FCN图像分割等面试高频考点，并实战完成一个钢铁缺陷检测项目。

课程内容概览

• CV项目-CNN应用领域、项目类型及本期项目初探
  • CNN概念、特点及网络架构回顾
  • CNN应用领域及典型案例
  • AI图像领域项目类型
  • 本期CNN项目介绍
  • 项目数据读取、分析及可视化
• CV项目-本期项目思路、图像预处理及CNN分类模型
  • 本期项目项目整体思路及技术路线
  • 图像预处理
  • CNN分类模型构建
  • 损失函数
• CV项目-CNN 概念进阶、可训练参数及分类模型评估
  • CNN 概念进阶
  • CNN可训练参数
  • 分类模型评估指标
• CV项目-过拟合、正则化与数据增强
  • 过拟合与欠拟合
  • 正则化概念及方法
  • Batch Normalization
  • 数据增强
  • 分类任务代码讲解
• CV项目-CNN经典模型及迁移学习
  • CNN经典模型介绍及分析
  • 迁移学习概念、方式及实践
  • 迁移学习代码讲解
• CV项目-图像分割应用领域及主要算法
  • 图像分割的概念
  • 图像分割主要应用领域
  • 经典图像分割算法介绍及分析
  • 项目分割算法实现
• CV项目-图像分割任务整体实现
  • 分割数据生成器
  • 分割算法度量及损失函数
  • 分割模型代码讲解
  • 项目预测及结果提交
• CV项目-分割模型进阶及模型性能优化
  • 分割中的数据增强
  • 分割模型架构进阶
  • 模型优化原则及方法
  • 超参数优化
• CV项目-CNN项目案例分析：基于图像的推荐系统项目及课程整体回顾
  • 案例分析1：视频监控及定位
  • 案例分析2：基于图像的推荐系统项目
  • 课程整体回顾
  • CNN知识体系总结