各位20级新同学好,我安排的课程没有教材,只有一些论文和代码。因为是第一次开课,大纲和进度会随时调整,同学们请随时关注。
一、课程大纲与课件
第一章: 绪论
第二章:神经网络基础
第三章: 卷积神经网络 【PPT5】
- 3.1 卷积神经网络 VS 传统神经网络
- 3.2 基本组成结构:卷积、池化、全连接
- 3.3 典型结构:AlexNet, ZFNet, VGG, GoogleNet, ResNet
第四章:生成式对抗网络 【PPT6】【PPT7】【PPT8】
- 4.1 基础:图像生成、修复、风格迁移、文字生成图片
- 4.2 理论基础:模型和目标函数,pytorch实现
- 4.3 条件式生成对抗网络与 pytorch 实现
第五章:视频目标检测 【PPT9】
- 5.1 目标检测绪论:概念、评价准则、数据集
- 5.2 准备知识:滑动窗口、目标候选生成、难样本挖掘、非极大值抑制
- 5.3 两阶段方法:R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN
- 5.4 单阶段方法:YOLO、SSD、Retina Net
第六章:注意力机制 【PPT10】
- 6.1 深度强化学习
- 6.2 自注意力机制
- 6.3 深度学习的未来趋势
二、课程实验
代码练习需要使用谷歌的 Colab,它是一个 Jupyter 笔记本环境,已经默认安装好 pytorch,不需要进行任何设置就可以使用,并且完全在云端运行。使用方法可以参考 Rogan 的博客:
https://www.cnblogs.com/lfri/p/10471852.html
国内目前无法访问 colab,可以安装 Ghelper: http://googlehelper.net/
说明:实验指导书为 mhtml 文件,下载以后,可以直接拖进新版 Microsoft Edge 中打开
- 第2周实验:《Python图像处理》《PyTorch基础》
- 第3周实验:《螺旋数据分类》
- 第4周实验:《简单的CNN》《用LeNet进行CIFAR10分类》
- 第5周实验:《用VGG16进行CIFAR10分类》《猫狗大战》
- 第6周实验:《生成式对抗网络基础》《CGAN和DCGAN》
三、课程作业
✅ 博客作业一: CNN实战 , Deadline: 2020-11-24, 22:00
✅ 博客作业二: 高光谱分类 , Deadline: 2020-12-27, 22:00
联系方式
- 高峰 gaofeng@ouc.edu.cn