为什么要加入京东图像处理与计算机视觉?

京东智联云与开课吧联合开发,共同构建AI人才培养计划,推出《京东图像处理与计算机视觉企业级项目实战培养计划》。

课程主要面向:希望从事图像处理与识别、视频检测、图像自动生成、无人驾驶、人脸识别与检测方向的学员。

本课程内容主要涉及计算机视觉的深度学习方法,包括计算机图形学、经典计算机视觉中的重点方法,同时也覆盖

了基于对抗生成网络(GAN)的图像生成方法。

你适合学习哪种班型?

京东图像处理与计算机视觉 六大课程特色

在线分布式实训平台 陪伴式编程教学

传统编程学习的问题
  1. ·本地环境安装繁杂
  2. ·本地硬件配置较差
  3. ·在线学习代码问题沟通困难
  4. ·线下学习需要“脱产”,代价太大

在线实训平台陪伴式编程

  • 在线学习,免除一切线下学习烦恼

  • 无需安装任何软件、配置环境

  • 使用简单,一键登录即可在线学习练习

  • 遇到问题输入指令,一键召唤老师

独家在线实验环境,边学边练

一键登录 在线编程

运行指令 随时反馈

接受问题 定位学生

学生界面 答疑指导

保姆式教学服务,1V1助教督学答疑

AI科学家、一线大厂项目核心专家授课

  • 姚霆
    京东AI研究院算法科学家
    姚霆博士负责领导视觉与多媒体实验室的视觉内容分析团队,聚焦该领域的基础研究和技术创新。加入京东之前,任职微软亚洲研究院研究员,主要研究领域为计算机视觉,在CVPR/ICCV/ECCV/AAAI/SIGIR/ACM MM/TIP/TMM等顶级会议/期刊上已发表论文50余篇(引用率3500余次)。姚博士在2015年被授予美国计算机协会多媒体委员会杰出博士论文奖(ACM SIGMM Outstanding Ph.D. Thesis Award),2019年同时被授予电气和电子工程师学会多媒体计算委员会新星奖(IEEE TCMC Rising Star)和美国计算机协会多媒体委员会新星奖(ACM SIGMM Rising Star),现任多媒体领域顶级学术期刊IEEE Transactions on Multimedia期刊编委。
  • 王林芳
    京东AI研究院视觉研发部算法工程负责人
    2007和2010年在清华大学分别获得学士学位和硕士学位。2018年入职京东,负责内容零售和创新应用团队,聚焦计算机视觉等相关技术能力的构建,主导开发了包括拍照购在内的一系列产品,并在零售、物流、安防、市政等多领域成功落地。在2010年至2016年任职于微软亚洲搜索技术中心,致力于必应搜索引擎中的多媒体检索能力的构建和小冰机器人的视觉理解能力的构建。2016年加入初创公司,成功打造服务于10多个国家的个性化视频推荐系统。
  • 于伟
    京东AI研究院研究员
    2017年毕业于哈尔滨工业大学,并获得博士学位。2018年入职京东,聚焦计算机视觉能力在零售、物流等场景的应用,探索实际场景中业务问题的解决方案,负责构建一系列面向落地产品的视觉能力。主要研究方向为层次化图像分类、细粒度图像识别、图像特征表达等,在CCF-B类以上的会议和期刊上发表学论文七篇,包括ACM MM、T-MM等。
  • 高民权
    开课吧人工智能算法专家
    前IBM中国总部数据科学家,在人工智能尤其是自然语言处理,复杂系统等方面具有多年经验,曾经作为技术负责人负责多个千万级的AI产业项目。对于人工智能的思维体系建立,产业落地方法等具有深刻见解。其提出的企业实战项目驱动+思维养成的教学方法,培养出了大批高质量的人工智能工程师。其培养的人工智能相关人才广泛分布于BAT、滴滴、大众点评、字节跳动及其他独角兽企业。
  • 赵明明
    开课吧金牌讲师
    曾于”人脸识别国家队“中科云从任高级算法工程师,参与边境安检,银联竞标等国家级基础人工智能项目。在数据类公司top企业担任图像技术主管,于在线教育领头羊的 企业担任图像算法leader。专注算法领域十余年,语音算法3年,图像算法7年。具有丰富的传统算法,深度学习算法的工程经验。参与发起二十余篇国家发明专利,实用新型专利等。

你可以获得什么?

贴心保障,无忧学习

签订拿不到offer全额退款保障协议

报名「名企项目实训/私教班」的学员,报名伊始即签订协议,若课程完成时拿不到offer,我们承诺退还全部学费。

4个月 核心课程大纲

第一部分:基本篇 图像处理基础
Week1:计算机视觉基础:图像处理
1.1、计算机视觉的由来
1.2、计算机如何看到图像
1.3、计算机处理图像的方式
作业:实现数据增广、给图片加隐形水印
Week2:认识计算机视觉
2.1、图像处理与计算机视觉
2.2、计算机视觉的输入与输出
2.3、如何解决计算机视觉的几个问题
2.4、计算机视觉第一步:图像描述
作业:实现对数字图像分类(提取特征、设计决策函数)
第二部分:基本篇 机器学习基础
Week3 机器学习初探:使用决策树来决策
3.1、决策树中的Decision Rree
3.2、ID3、C4.5、CART
3.3、非监督学习中的k-means、k-means++
作业:利用决策树实现对数字图片得分类
Week4 经典机器学习(一)
4.1、机器学习简介
4.2、线性回归
4.3、逻辑回归
作业:手动实现一个线性回归模型,解决数字图像分类问题
Week5 经典机器学习(二)
5.1、线性模型的局限性以及改进的方法
5.2、用二分类来进行多分类:感知机
5.3、用逻辑回归进行多类别分类
5.4、神经网络:反向传播网络
5.5、支持向量机
作业:自己实现一个反向传播
项目一:安防监控——人脸关键点检测
第三部分:提高篇 深度学习
Week6 神经网络得卷积化深度化:CNN
6.1、对客观世界建模:卷积
6.2、从MLP到CNN
6.3、如何加速CNN
6.4、CNN:统一了提取特征+决策
作业:搭建Lenet结构,对数字图像训练并且测试。
Week7 LeNet之后的CNN优化之路(一)
7.1、CNN网络架构
7.2、FLOPS计算
7.3、项目实例:Pytorch版网络搭建
作业:pytorch搭建AlexNet网络实现分类(给出参数量、计算量,用Flops验证)
Week8 LeNet之后的CNN优化之路(二)
8.1、网络参数初始化策略
8.2、参数优化方式
8.3、评价方式
作业:动物多分类实战
Week9 cuda编程
9.1、GPU Schema
9.2、CUDA 的 Thread,Block 与 Grids
9.3、Memory 层次结构
9.4、CUDA 变量,从 1 block and 1 thread 到 N blocks and N threads
9.5、使用 CUDA 实现 Matrix Multiplication
第四部分:应用篇 计算机视觉高级知识与实战方法
Week10:计算机视觉中的图像分类
10.1、分类问题
10.2、分类中的实际问题
项目二: 基于深度学习垃圾图片智能检测分类项目
Week11:深度学习之两阶段目标检测
11.1、RCNN 算法
11.2、Fast RCNN
11.3、Faster RCNN
Week12 深度学习之一阶段目标检测
12.1、Yolo V3
12.2、作业:探索 YOLO V3与 FCN 在输出结 构上的融合思路
Week13 计算机视觉中的图像分割
13.1、图像分割
13.2、作业:图像风格转换
Week14 计算机视觉中的目标跟踪
14.1、为什么会有跟踪任务
14.2、跟踪的方法(TLD / KCF)
14.3、卡尔曼滤波 的原理与代码
了解更多
给我们留言
您好,现在客服不在线,您可以留下【姓名】 +【电话】,备注您关心的问题,我们的教务 老师会很快联系你。
姓名:
手机:
留言内容:
提交