深度學習之卷積神經網絡CNN以及python案例圖片中文本的識別—618人已學習
課程介紹
![201801061623446909.]()
卷積神經網絡是深度學習技術中極具代表的網絡結構之一，在圖像處理領域取得了很大的成功。本課程將會講解：CNN、卷基層、卷積計算、池化層、池化、全連接等概念。重點講解如何進行卷積計算？如何進行池化計算？CNN如何訓練以及優缺點？什麼全連接和激勵層？後python圖片文本識別的案例。
課程收益
課程需要掌握CNN、卷基層、卷積計算、池化層、池化、全連接等概念。理解CNN是一種黑盒模型，可以利用CNN進行訓練學習器。掌握卷積計算和池化計算。掌握所講的案例，可以利用python編寫簡單的CNN代碼。
講師介紹
王而川更多講師課程
樂川科技有限公司CEO，人工智能培訓講師，專業從事機器學習與深度學習培訓。參與多個人工智能領域項目，專注於機器學習與計算機視覺領域，長期參與無人駕駛汽車項目，專注研究無人駕駛領域的目標識別與跟蹤，善於人臉識別、物體識別、軌跡跟蹤、點雲識別分析等方向的新算法。
課程大綱
第1章:初識CNN
1.初識CNN與CNN的基本結構 11:29
2.初識CNN與CNN的基本結構二 9:22
第2章:CNN卷積運算
1.CNN的卷積計算 14:53
2.CNN的卷積運算二 16:06
第3章:CNN的池化運算
1.CNN的池化運算 3:53
第4章:CNN的全連接
1.CNN的全連接 3:58
第5章:CNN總結與補充
1.CNN的總結與補充一 6:32
2.CNN總結與補充二 5:18
第6章:python圖片文本識別的案例
1.手寫文本識別案例一 4:11
2.手寫文本識別案例二 14:45
大家可以點擊【查看詳情】查看我的課程
課程介紹
卷積神經網絡是深度學習技術中極具代表的網絡結構之一，在圖像處理領域取得了很大的成功。本課程將會講解：CNN、卷基層、卷積計算、池化層、池化、全連接等概念。重點講解如何進行卷積計算？如何進行池化計算？CNN如何訓練以及優缺點？什麼全連接和激勵層？後python圖片文本識別的案例。
課程收益
課程需要掌握CNN、卷基層、卷積計算、池化層、池化、全連接等概念。理解CNN是一種黑盒模型，可以利用CNN進行訓練學習器。掌握卷積計算和池化計算。掌握所講的案例，可以利用python編寫簡單的CNN代碼。
講師介紹
王而川更多講師課程
樂川科技有限公司CEO，人工智能培訓講師，專業從事機器學習與深度學習培訓。參與多個人工智能領域項目，專注於機器學習與計算機視覺領域，長期參與無人駕駛汽車項目，專注研究無人駕駛領域的目標識別與跟蹤，善於人臉識別、物體識別、軌跡跟蹤、點雲識別分析等方向的新算法。
課程大綱
第1章:初識CNN
1.初識CNN與CNN的基本結構 11:29
2.初識CNN與CNN的基本結構二 9:22
第2章:CNN卷積運算
1.CNN的卷積計算 14:53
2.CNN的卷積運算二 16:06
第3章:CNN的池化運算
1.CNN的池化運算 3:53
第4章:CNN的全連接
1.CNN的全連接 3:58
第5章:CNN總結與補充
1.CNN的總結與補充一 6:32
2.CNN總結與補充二 5:18
第6章:python圖片文本識別的案例
1.手寫文本識別案例一 4:11
2.手寫文本識別案例二 14:45
大家可以點擊【查看詳情】查看我的課程
