深度学习是一种基于神经网络的机器学习技术，近年来在图像处理领域取得了突破性进展。图像处理是深度学习应用最为广泛的领域之一，涉及图像分类、目标检测、语义分割等多个方面。在深度学习和图像处理领域，Python成为了最流行的编程语言，而Pytorch则是目前最受欢迎的深度学习框架之一。为了提高图像处理技能，还需要了解CUDA（Compute Unified Device Architecture），这是一种由NVIDIA推出的并行计算架构，用于加速深度学习算法。通过深度学习和图像处理的结合，可以实现更高水平的计算机视觉和图像识别应用，为未来的科学研究和工业应用提供有力支持。
本课程是一门面向初学者的深度学习与图像案例实践班，旨在通过Python入门、神经网络入门等基础知识的学习，为学员提供实际的图像分类、目标检测、语义分割等实践案例，帮助学员掌握深度学习与图像处理的基本理论和实践技能。本课程将重点介绍深度学习的核心概念，如卷积神经网络、循环神经网络、自编码器等，并结合pytorch深入探讨深度学习在图像分类、目标检测和语义分割等领域的应用。同时，本课程将引导学员使用CUDA进行并行计算，进一步提高计算速度，让学员掌握深度学习与图像处理的实践能力，并将其应用于实际项目中。本课程同样适合已有深度学习基础的学员进一步提高自身实践技能。
主办单位：北京市计算中心有限公司
协办单位：
北京市基因测序与功能分析工程技术研究中心
云计算关键技术与应用北京市重点实验室
工业和信息化人才培养工程培训基地
北京市大数据教学实践基地
举 办 地：北京市海淀区丰贤中路7号北科产业3号楼
课程安排：2023年6月15-16（周四-周五） 上午9:30-11:30 下午13:30-17:00
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 |
注：内容以实际发生为准；若调，会提前通知。
【报名费用】
注册费：2800元/人（含当期听课费、资料费、证书费、考试费（如有））。
提供当期视频回放以供复习使用（羽林学院平台）。
开具增值税发票，提供盖章通知、结业证书等相关材料。
【报名优惠政策】
1、3人以上团体报名每人可减少300元；
2、4+1团报，可免费赠送一个名额；
3、上面优惠政策不能同时享受，只能享受其中一种；
老学员参加及推荐学员参加均可额外优惠200元。
【付费方式】
手机银行或电子银行转账、银行汇款等
单位全称：北京市计算中心有限公司
账号：0200151819100023937
开户银行：中国工商银行股份有限公司北京自贸试验区永丰基地支行
（汇款信息备注：“智能计算——您的姓名”，个人汇款请备注单位名称）
注：款项支出后，请提供付款回执给工作人员，方便核实到账、开具发票。
【咨询请联系】
QQ号：3498448850
邮箱：bcc_peixun@163.com
张老师 18618295767（微信同号）
于老师 18976866894
【注】开课前一周会发送邮件通知；若未接到邮件通知，请电话咨询。
