客服咨询

意见反馈

计算机视觉
计算机信息及网络安全//
0.0
191
视频
12.0
课时
30.00
介绍
目录

课程概述

本课程旨在为学生介绍机器视觉技术的基本任务及发展现状,是学生理解和掌握机器视觉的基础理论,理解和掌握机器视觉技术的应用方法,为进一步研究打下必要基础。

课程目标

考核评价

讲师介绍

鲁鹏

详细介绍

本课程旨在为学生介绍机器视觉技术的基本任务及发展现状,是学生理解和掌握机器视觉的基础理论,理解和掌握机器视觉技术的应用方法,为进一步研究打下必要基础。

引言
课程介绍

(455s)

三维重建-1.摄像机几何
针孔摄像机 & 透镜

(632s)

摄像机几何

(1351s)

其他摄像机模型

(201s)

三维重建-2.摄像机标定
摄像机标定

(1037s)

径向畸变摄像机标定

(496s)

三维重建-3.单视图几何
2D变换

(364s)

影消点与影消线

(1342s)

单视图重构

(299s)

三维重建-4.极几何
三维重建基础

(491s)

极几何

(387s)

本质矩阵与基础矩阵

(948s)

基础矩阵估计

(407s)

三维重建-5.双目立体视觉
平行视图

(937s)

图像校正

(266s)

对应点搜索

(893s)

三维重建-6.运动恢复结构
运动恢复结构问题 + 欧式结构恢复

(1027s)

仿射结构恢复

(868s)

透视结构恢复

(1079s)

图像识别-1.图像去噪与卷积
图像卷积

(238s)

边界填充

(96s)

卷积示例

(242s)

高斯平滑核

(545s)

图像噪声与滤波

(253s)

图像识别-2.边缘提取
图像边缘

(134s)

边缘检测

(496s)

canny边缘检测算法

(216s)

图像识别-3.纹理表示
纹理表示

(557s)

图像识别-4.图像分类与线性分类器
数据集划分与数据预处理

(619s)

优化算法之梯度下降算法

(785s)

线性分类器

(799s)

损失函数与多类支撑向量机损失

(1024s)

图像分类任务

(1072s)

图像识别-5.全连接神经网络分类器
全连接神经网络

(657s)

交叉熵损失

(427s)

梯度反向传递

(296s)

动量法、自适应梯度与Adam

(656s)

全连接神经网络设计指南

(307s)

权值初始化

(354s)

批归一化

(305s)

过拟合与Dropout

(490s)

超参数优化

(352s)

图像识别-6.卷积神经网络分类器
卷积神经网络(1)

(761s)

卷积神经网络(2)

(242s)

优化&训练&样本增强

(438s)

图像识别-7.经典网络解析
AlexNet

(1026s)

ZFNet

(147s)

VGG

(557s)

GoogleNet

(1064s)

ResNet

(890s)