【Udemy中英字幕】Deep Learning: Advanced Computer Vision (GANs, SSD, +More!)

深度学习：高级计算机视觉（GAN、SSD，+更多！）

VGG、ResNet、Inception、SSD、RetinaNet、神经风格迁移、GAN 以及 Tensorflow、Keras 和 Python 中的更多内容

讲师：Lazy Programmer Inc.

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

有没有想过像OpenAI ChatGPT、GPT-4、DALL-E、Midjourney和Stable Diffusion这样的人工智能技术是如何工作的？在本课程中，您将学习这些突破性应用程序的基础。

这是我做过的最令人兴奋的课程之一，它真正展示了深度学习多年来取得的进展有多快、有多远。

当我第一次开始我的深度学习系列时，我从未考虑过我会制作两门关于卷积神经网络的课程。

我想您会发现，这门课程与上一门课程完全不同，您会对我们必须涵盖的材料之多感到印象深刻。

让我快速概述一下本课程的内容：

我们将弥合您已经了解和喜爱的基本 CNN 架构与现代新颖的架构之间的差距，例如VGG、ResNet和Inception（以电影命名，顺便说一句，这也很棒！）

我们将把这些应用到血细胞图像上，并创建一个比你我都更好的医学专家系统。这提出了一个令人着迷的想法：未来的医生不是人类，而是机器人。

在本课程中，您将了解如何将 CNN 转变为对象检测系统，该系统不仅可以对图像进行分类，还可以定位图像中的每个对象并预测其标签。

你可以想象，这样的任务是自动驾驶车辆的基本先决条件。（必须能够实时检测汽车、行人、自行车、红绿灯等）

我们将研究一种称为SSD 的最先进算法，它比其前身更快、更准确。

另一种非常流行的利用 CNN 的计算机视觉任务称为 神经风格迁移。

在这里，您获取一个称为内容图像的图像，另一个称为风格图像的图像，然后将它们组合起来形成一个全新的图像，就好像您雇用了一位画家用风格绘制第一张图像的内容一样另一个。与人类画家不同，这可以在几秒钟内完成。

我还将向您介绍现在著名的GAN架构（生成对抗网络），您将在其中学习如何使用神经网络生成最先进的逼真图像背后的一些技术。

目前，我们还实现了对象定位，这是实现完整对象检测系统的重要第一步。

我希望您对了解 CNN 的这些高级应用感到兴奋，我们课堂上见！

令人敬畏的事实：

本课程的主题之一是我们正在从 CNN 本身转向涉及 CNN 的系统。
我们将重点关注高级构建块，而不是关注 CNN 的详细内部工作原理（我们已经完成了）。结果？数学几乎为零。
另一个结果？没有复杂的低级代码，例如用Tensorflow、 Theano或PyTorch编写的代码（尽管对于非常高级的学生来说，一些可选练习可能包含它们）。大部分课程将在Keras中进行，这意味着许多乏味、重复的内容都是为您编写的。

“如果你不能实施它，你就没有理解它”