|
|
深度学习框架Caffe视频教程 包含24个视频教程+课件资料一起打包提供
三六五网络学院VIP会员免费下载学习！
课程简介
没接触过深度学习同学或者是已经踏上工作岗位的同仁，我相信当中有很多人对这个技术感兴趣，但不知从何下手，深度学习相对于计算机视觉而言，属于入门很难的，需要长时间的积累，但是如果你的科研团队在这方面有着丰富的积累，那入门要比你一个人摸索来着快得多，当然，大部分人都没有这个条件，很可能一个小问题就能卡主很长的时间依然得不到解决，，，而我作为一个深度学习技术一线的研究人员，希望将这个技术介绍给各位感兴趣的同学们，一个是帮你们节省大量入门这项技术的时间以及正确入门，另一个是让你们有相应的基础知识来实现一些论文中的项目，或者是开发自己的一些应用。
也是考虑到很多的同学不熟悉linux操作系统，为避免大家陷入学习linux的困境之中，因而制作了这套基于windows的caffe学习教程。当然用linux系统的同学也无妨，只是一些命令上稍有不同，绝大多数内容是一样的。
整个课程提供了两个caffe的深度学习项目，一个是《人脸检测》另一个是《验证码识别》。课程中在vs2013下新建caffe工程，讲解了caffe的基本数据结构，带大家修改了caffe源码使之满足多标签的输入，并讲明其中修改的原理，帮助同学们更加深入的了解caffe的源码，也对caffe特征提取工具 extract_features.cpp 源码进行详细的讲解和简单的修改。
在《人脸检测》中我们采用了全卷积的神经网络，能够输入不固定大小的图片，且对于感受野的计算、特征图上点的坐标与原图的对应关系及计算进行了详细的讲解，这两个概念是很多人比较模糊的概念，往往影响到了后续论文的阅读，因而我们用专门的章节进行讲解。
《手写数字识别》与《人脸检测》都属于单标记问题，而很多的竞赛项目或者平时科研所需的项目要求都不仅仅是单标记的训练，因而我以《验证码识别》项目像大家展示了如何设计多标记的训练任务，在我们的《验证码识别》项目中，取得了100%的识别率，是个很有意思的项目，鼓励大家去尝试！
此外，有同学是机电专业或者金融专业的，数据往往是非图像数据，常常在问能否用caffe进行训练？显然是可以的，用hdf5格式即可，因而我也详细介绍了如何把图片/非图片数据转化为hdf5格式以便进行网络训练！
课程目标
深度学习相对于计算机视觉而言，属于入门很难的，需要一个有经验的科研团队来带，当然，大部分人都没有这个条件，而我作为一个深度学习技术一线的研究人员，希望将这个技术介绍给各位感兴趣的同学们，一个帮你们节省入门时间以及正确入门；另一个是让你们学到足够的基本技能以便开展项目。
适用人群
有基本编程基础且乐于学习
1深度学习框架caffe 课程导论与深度学习初步17:25
2验证码识别项目说明（重要）（请勿重复购买，已包含验证03:40
3深度学习中数据集的网络爬取与数据清洗（重要）23:10
4现进行盗版视频举报，第一名举报，核实无误后，将奖励200元03:11
5caffe在windows下编译10:31
6caffe自带的第一个例子Mnist手写数字识别18:12
7CAFFE网络模型各层详解 (卷积神经网络基础)32:53
8vs2013下新建caffe工程探索caffe源码及caffe基本数据结构使用20:47
9Caffe数据结构Net使用补充及如何注册层12:43
10深度学习项目实战（上）全卷积神经网络的人脸检测项目实战39:38
11深度学习项目实战（中）全卷积神经网络的人脸检测项目实战38:16
12深度学习项目实战（下）全卷积神经网络的人脸检测项目实战33:00
13再探全卷积、特征图与感受野及坐标映射关系与计算（1）25:43
14再探全卷积、特征图与感受野及坐标映射关系与计算（2）08:12
15非极大值抑制NMS与得到人脸bbox18:47
16图片/非图片数据格式hdf5与多标签回归训练及特征提取源码详解51:05
17深度学习框架caffe python接口编译与实例 及课程总结与学习建议17:14
18c++修改caffe源码实现多标签输入(多标签的lmdb)多标签回归训练52:10
19验证码识别实战（1）验证码识别项目内容说明（重要）20:02
20验证码识别实战（2） 验证码数据集预处理16:04
21验证码识别实战（3）多任务学习与 人脸特征点检测（课后练习）12:57
22验证码识别实战（5）验证码识别网络模型测试21:58
23验证码识别实战（4）验证码识别深度网络设计与训练18:52
24验证码识别实战（6）验证码项目实战 课程总结
下载地址：
|
|
[复制链接]
发表于 2017-7-28 13:38:49
发表于 2017-7-28 13:42:58
