
前言
欢迎大家关注有三AI的视频课程系列,我们的视频课程系列共分为5层境界,内容和学习路线图如下:
第1层:掌握学习算法必要的预备知识,包括Python编程,深度学习基础,数据使用,框架使用。
第2层:掌握CV算法最底层的能力,包括模型设计基础,图像分类。
第3层:掌握CV算法最核心的方向,包括图像分割,目标检测,图像生成,图像翻译,目标跟踪。
第4层:掌握CV算法最核心的应用,包括人脸图像,图像质量,视频分析,图像编辑。
第5层:掌握算法落地的关键技术,包括模型优化,模型部署。

其中部分课程的主体内容已经更新完毕,比如数据使用/模型分析/图像分类/图像分割/目标检测/图像生成/图像翻译/视频分类/模型部署/模型优化/人脸图像检测与识别;部分课程正在重制更新中,比如人脸图像编辑;部分课程正在计划上线中,比如图像编辑,请大家及时关注!
最新的完整介绍如下:【总结】最专业最系统的CV内容,有三AI所有免费与付费的计算机视觉课程汇总(2022年6月)

本次给大家介绍的课程内容是《深度学习之图像生成GAN:理论实践篇》,目标是帮助大家掌握基于生成对抗网络GAN的图像生成问题。
为什么要学习这门课程
深度学习的核心是什么,当然是“模型”,从CNN到GAN,再到Transformer,正是各类深度学习模型结构的快速发展才使得当前AI技术进展日新月异,其中模型的设计是整个深度学习领域的通用基础,不管是从头设计自己的神经网络,还是对已有模型进行优化获得更高的任务指标,更快的运行速度,获得更小的模型体积,都需要掌握各类网络的设计技巧,是深度学习算法工程师进阶的难点及必学点!

为了让大家能够更加系统更加深入的掌握模型设计相关的内容,有三AI推出了《深度学习之模型设计-理论实践篇》系列课程,让有经验有实力的讲师带你系统深入学习,掌握模型设计技术,本课程长期更新。
课程的第一期的主体部分已经更新完毕,本课程结合实际项目,将所学理论应用于实践。

深度学习之模型设计课程
模型设计完整课程介绍
目前本课程内容聚焦于经典的CNN模型设计,基于网络深度的模型、基于网络宽度的模型、注意力机制模型、轻量化模型、安卓部署5个部分,总共时长超过20个小时,包括理论知识和实践内容,分为4大模块,4个实践案例,内容详细,案例丰富。在课程中老师会使用通俗易懂的语言帮助大家理解涉及的知识点、原理及代码。下面是课程大纲脑图:

理论部分内容包括4节:网络深度与模型性能,网络宽度与模型性能,注意力机制,轻量化网络理论;
实践部分内容包括4个:基于MobileNet的网络深度设计分析及实战,基于
InceptionNet的网络宽度设计分析及实战,基于SeNet的人种分类实战,基于Pytorch的安卓端模型部署。

4大模块分为基于网络深度的CNN模型设计,基于网络宽度的CNN模型设计,经典注意力机制CNN模型,轻量级模型设计与Pytorch的安卓端模型部署。
(1) 基于网络深度的CNN模型设计,包括经典浅层卷积网络的设计模型如neocognitron、经典模型AlexNet,VGGNet,ResNet,MobileNet垃圾分类实战。
(2) 基于网络宽度的CNN模型设计,包括多分支经典模型如GoogLeNet,ResNext等。
(3) 经典注意力机制CNN模型设计,包括空间注意力模型、通道注意力模型、 混合注意力模型。
(3) 轻量级模型设计,包括Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络。
下面简单了解一下课程各部分的大体内容:
(0) 课程简介,包括模型设计的课程介绍。
(1) 基于网络深度的经典卷积模型的设计,讲解Neocognitron,TDNN,Cresceptron,LeNet等早期模型,以及AlexNet,VGGNet,ResNet等经典模型,本小节内容可以免费收听。




(2) MobileNet垃圾分类实战,讲解MobileNet理论原理,以及使用MobileNet进行分类实战,本小节内容可以免费收听。


(3) 基于网络宽度的经典卷积模型的设计,讲解InceptionNet,ResNext,DenseNet等经典模型。


(4) InceptionNet铝材瑕疵分类实战,讲解InceptionNet理论与实战。


(5) 经典注意力机制CNN模型设计,包括空间注意力模型STN、通道注意力模型SENet、 混合注意力模型CBAM等。




(6) 基于SENet的人种分类实战。



(7) 经典轻量级模型设计,讲解Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络等。


(8) 安卓模型部署,讲解基于Pytorch和Android Studio的安卓端模型部署。


(9) 直播答疑,课程配套有直播答疑,7月份即将开启。
本课程适合人群:
(1) 所有学习人工智能/深度学习算法,并有志于从事该领域的人员。
(2) 掌握了Python,深度学习基础概念等预备知识的技术人员。
(3) 学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握:
(1) 主流的CNN模型原理。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
课程讲师介绍
本课程讲师为鲁健恒,讲师简介如下。

鲁健恒,大学老师,有三AI线上与线下课程讲师,《深度学习之模型设计》系列课程主讲人,IEEE ACCESS审稿人,专注于计算机视觉与人工智能领域,近两年5项发明专利受理,2项实用新型专利授权。
如何获取本课程
订阅本课程的方法有三个:
其一:参加有三AI-CV夏季划,不仅可以获得绝大部分有三AI的课程,还可以获得私人一对一答疑与书籍,知识星球赠送,以及在有三AI团队参与企业项目研发的权限。
有三AI-CV夏季划介绍与订阅方式如下:【CV夏季划】2022年正式入夏,从理论到实践,如何系统性进阶CV?(产学研一体的超硬核培养方式)

其二:参加有三AI-CV秋季划模型算法组,不仅可以获得所有有三AI的模型设计与优化部署相关的课程,还可以获得私人一对一答疑与书籍,知识星球赠送,以及在有三AI团队参与企业项目研发的权限。
有三AI-CV秋季划模型算法组的介绍与订阅方式如下:【CV秋季划】模型算法与落地很重要,如何循序渐进地学习好(2022年言有三一对一辅导)?

其三:单独订阅《深度学习之模型设计-理论实践篇》专栏课程,本专栏定价为199,随着后续内容增加可能会进行价格调整,感兴趣的请提前订阅,链接如下:

课程完整目录如下:

《模型设计》课程目录
课程设有交流群,大家在订阅课程后可以添加小助手入群:


《CV基础》课程交流群
同时欢迎在深度学习领域有沉淀积累的同学加入有三AI生态,让更多人受益!



往期相关