深度学习与计算机视觉实战课程
培训对象：
AI算法工程师；深度学习应用开发者；图像算法工程师；以及希望系统掌握计算机视觉核心技术与深度学习框架的工程技术人员。
培训目标：
使学员全面掌握深度学习基础与计算机视觉核心任务的原理与实践。精通卷积神经网络（CNN）、生成对抗网络（GAN）、Vision Transformer（ViT）及扩散模型（Diffusion Models）的核心架构。掌握图像分类、目标检测、图像分割、图像生成四大任务的算法原理与评估指标。具备基于MindSpore/TensorFlow/PyTorch框架实现模型训练、调优与部署的全流程开发能力。
培训内容介绍：
-
深度学习基础与神经网络：讲解深度学习的发展历程，回顾多层感知机（MLP）与反向传播算法。理解深度学习的核心思想与训练技巧（激活函数、批归一化、Dropout）。
-
卷积神经网络（CNN）核心原理：深入讲解卷积层、池化层、全连接层的原理与作用。学习感受野、权值共享、平移不变性等核心概念。掌握经典CNN架构（LeNet、AlexNet、VGG、ResNet）的设计思想。
-
图像分类任务实战：学习图像分类任务的评估指标（准确率、Top-5准确率、混淆矩阵）。基于ResNet50架构开展迁移学习实战，完成真实图像分类项目。
-
目标检测理论与实践：讲解目标检测任务的定义与评估指标（mAP、IOU）。对比分析单阶段（YOLO、SSD）与双阶段（Faster R-CNN）目标检测模型的差异。实战基于YOLOv8的实时目标检测系统开发。
-
图像分割理论与实践：学习语义分割与实例分割的技术差异。讲解FCN全卷积网络架构、U-Net医学影像分割原理。实战医学影像分割项目。
-
生成对抗网络（GAN）：讲解GAN的对抗训练思想、生成器与判别器的博弈过程。学习DCGAN、StyleGAN等变种的架构特点。实战DCGAN漫画头像生成。
-
深度学习框架实战（MindSpore/TensorFlow/PyTorch）：掌握主流深度学习框架的API文档使用方法，学习数据加载、模型构建、训练评估及超参数调优的全流程。
-
Vision Transformer（ViT）：讲解Transformer在计算机视觉中的应用，理解ViT的模型结构与原理。实战ViT图像分类模型的训练与推理。
-
扩散模型（Diffusion Models）：深入讲解扩散模型的原理（前向扩散过程、反向去噪过程）。学习DDPM、Stable Diffusion等模型的架构。实战Stable Diffusion文生图案例。
-
模型部署与端侧推理：学习模型转换（ONNX/TensorRT）、量化压缩与端侧部署技术。基于昇腾开发板等硬件平台，完成端侧CV应用开发全流程。
-
计算机视觉应用场景实战：通过医疗影像分析、工业质检、安防监控、自动驾驶等场景案例，复盘计算机视觉技术的落地价值。
-
国产化AI全栈技术实践：
如果您想学习本课程，请
预约报名
如果没找到合适的课程或有特殊培训需求，请
订制培训
除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916
技术服务需求表下载请点击
服务优势：
丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。
专家力量：
中国科学院相关研究所高级研究人员
西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等
大型公司高级工程师，项目经理，技术支持专家
中科信软培训中心，资深专家或讲师
大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高
多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享
针对客户实际需要，真实案例演示，互动式沟通，学有所值
