日期

主题

内容

实践案例

第一天

上午

Python入门

1、Python程序语言、Anaconda环境准备

2、Python数据结构、语法回顾

3、函数编写与类的定义

4、Pytorch环境安装

1、波士顿房价预测（python）

2、MINIST手写识别案例（BP）

3、猫狗大战

4、鸢尾花分类

5、手写字符识别：EMNIST、MNIST、QMNIST、USPS、SVHN、KMNIST、Omniglot

6、实物分类：Fashion MNIST、CIFAR、LSUN、SLT-10、ImageNet

7、场景分类：LSUN、Places365

神经网络入门

5、单层感知机

6、前馈神经网络

7、误差后迭代神经网络

8、卷积神经网络（卷积、池化、dropout等的介绍）

9、经典深度学习网络结构：LeNet，AlexNet，VGG16，GoogleNet，ResNet等

图像识别任务分析与实战

10、图像分类

11、目标检测

12、实例分割

13、语义分割

14、选取示例实战（单层神经网络或线性回归问题）

第一天

下午

Pytorch使用

15、Tensor以及相关的函数

16、Autograd机制以及相关函数

17、Torch.nn库

基于Pytorch框架图像分类

18、VGG网络介绍

19、数据处理（读取数据、数据标注、数据校验、数据乱序、扩增）

20、模型设计（网络结构、损失函数、模型训练过程、评估、存储）

21、训练配置（学习率、优化算法、过拟合和欠拟合、计算机资源配置）

22、训练过程（评价指标、可视化）

23、模型保存

ResNet详解

24、残差网络基础概念

25、ResNet-50结构

26、本机配置计算试验

27、优化思想和优化方法

Cuda与Cudnn安装配置

28、显卡配置及GPU加速原理

29、Cuda安装

30、Cudnn安装

31、Pytorch开启Cuda加速api

第二天

上午

目标检测

32、目标检测算法综述

33、Pascal VOC数据集介绍

34、Labelme、labelImg标注软件介绍与使用

8、SVHN（谷歌街景门牌号码）

9、VOCDetection

10、COCODetection

11、路标检测

12、安全帽检测

13、AI识虫

14、车辆检测

15、吸烟识别预测

基于Pytorch目标检测-Faster RCNN

35、以Faster RCNN为例训练

36、数据读取和预处理

37、Faster RCNN模型设计思想

38、基本概念（边界框，锚框，交并比）

39、两阶段Anchor-Based方法

40、预训练模型

41、模型优化策略

基于Pytorch目标检测-YOLOv3

42、YOLOv3网络结构

43、YOLOv3检测流程

44、YOLOv3训练、预测、评估

45、实战讲解

第二天

下午

图像分割

46、图像分割简介

47、算法简介：FCN，U-Net，PSPNet，Deeplab

48、图像分割应用场景

16、遥感影像地块分割

17、人像分割

18、细胞分割

19、Cityscapes（驾驶场景的图像）

20、VOCSegmentation

U-net网络

49、U-net网络设计思想

50、构建U-net网络

51、模型可视化

52、评估指标与损失函数

53、算法优化和调参

54、医疗影像实战

Deeplab系列算法详解

55、DilatedConv原理和细节

56、ASPP模块解析

57、Dilated Backbone

58、Deeplab V3详解

59、Deeplab V3实战

60、tensorflow、keras等框架的介绍