小象学院计算机视觉的深度学习实践
第1章：课程概述
视频：计算机视觉概述
研究难点与挑战
开源库介绍
应用环境搭建
第2章：图像预处理
图像预处理之CLAHE
图像预处理之形态学运算（膨胀、腐蚀、开运算、闭运算）
图像预处理之卷积与边缘填充
图像预处理之均值滤波、中值滤波
图像预处理之高斯滤波、拉普拉斯滤波
图像预处理之高斯金字塔与拉普拉斯金字塔
图像预处理之傅里叶变换与频谱滤波
图像预处理之短时傅里叶变换、小波变换
代码演示
第3章：图像特征提取
演示代码-1
图像特征描述之颜色特征与颜色直方图
图像特征描述之几何特征（Edge、corner、blob）
图像特征描述之SIFT特征描述子
图像特征描述之SURF特征描述子
图像特征描述之ORB特征描述子
图像特征描述之其他特征描述方法
演示代码-2
第4章：未有深度学习之前
代码演示
基于传统方法的图像分割方法-1（graph cuts）
基于传统方法的图像分割方法-2（grab cut与GMM）
基于传统方法的人脸检测方法
基于传统方法的行人检测方法-1（HOG+SVM）
基于传统方法的行人检测方法-2（DPM）
第5章：神经网络与误差反向传播算法
代码演示-1
神经网络之神经元与激励函数
神经网络之前馈网络及其目标函数
神经网络之梯度下降_1
神经网络之误差反向传播
神经网络之手算的BP网络
神经网络之梯度下降_2
神经网络之传统神经网络与深度网络的差异
代码演示-2
第6章：深度学习基础
代码演示
深度学习之改进的目标函数
深度学习之梯度消散如何解决
深度学习之各种梯度下降算法
深度学习之梯度下降算法的选择
深度学习之避免过适应（早期停止、权重衰减、Dropout）
深度学习之CNN的架构
深度学习之CNN的误差反向传播
第7章：图像分类
代码演示
李飞飞的ILSVRC竞赛
经典的CNN之Alexnet
经典的CNN之VGG
经典的CNN之1-1卷积
经典的CNN之Batch Normlization
经典的CNN之GoogLeNet（Inception V1、V2）
经典的CNN之GoogLeNet（Inception V3、V4）
经典的CNN之ResNet和GoogLeNet Inception ResNet
经典的CNN之ResNeXt
CNN设计的一些普遍原则
第8章：图像检索
代码演示-1
图像检索之基于颜色相似性的检索（推土机距离）
图像检索之基于纹理相似性的检索
图像检索之基于形状相似性的检索
图像检索之基于局部特征点的检索
图像检索之基于深度学习的二值哈希编码
代码演示-2
图像检索之索引加速-1（KD-Tree）
图像检索之索引加速-2（LSH）
图像检索之索引加速-3（P-stable LSH）
第9章：目标检测（上）
代码演示
目标检测之R-CNN（分类部分）
目标检测之R-CNN（回归部分）
目标检测之SPP-Net
目标检测之Fast R-CNN
目标检测之Faster R-CNN（RPN）
第10章：目标检测（下）
代码演示
目标检测之R-FCN（位置敏感卷积层和位置敏感RoI池化）
目标检测之R-FCN（整体架构）
目标检测之YOLO v1
目标检测之YOLO v2/9000
目标检测之YOLO v3
第11章：通用场景下的图像分割
图像分割之全卷积网络的思路
上采样的三种方式（反卷积、反池化、双线性插值）
图像分割之FCN的构建
图像分割之DeepLab V1（空洞卷积）
图像分割之条件随机场
图像分割之DeepLab V2
图像分割之DeepLab V3与V3+
第12章：医疗影像分割
医疗影像分割之影像类别与存储方式
医疗影像分割任务及其数据集
医疗影像分割之U-Net
医疗影像分割之3D U-Net
医疗影像分割之V-Net
医疗影像分割之FC-DenseNet
医疗影像分割之病理切片任务及其数据集
医疗影像分割之病理切片分析
第13章：图像描述（图说）
图像描述之RNN基础
图像描述之LSTM原理
图像描述之LSTM的变种
图像描述之图说模型的难点及传统方法
图像描述之NIC模型
图像描述之注意力机制
图像描述之图说的性能评价指标
第14章：图像生成
图像生成之判别模型与生成模型
图像生成之KL散度与JS散度
图像生成之变分自编码器
图像生成之对抗生成网络(GAN)的原理
图像生成之DCGAN
图像生成之CGAN
图像生成之WGAN
图像生成之SRGAN
代码演示