特色1：内容相对全面，类似课程资源稀缺

目前主流的图片识别方式有三种：标签信息识别、颜色识别要素、图片语义分割，在整个课程中笔者将对这两种进行详细教学，市面上类似课程少之又少。
 

特色2：个性化驯化专属数据集，提高识别精度

目前学术界用的较多的为图片语义分割，由于数据集基本上来自国外（语义分割数据集驯化存在一定门槛，笔者也在研究中）且以街景识别为主，有一定的局限性和差异性。在课程中，张老师不仅会教大家如何使用人工智能开放平台进行标签信息识别，还会教大家借助平台来驯化属于自己的专属数据集，提高识别精度。
 

特色3：两大规划应用，带你实操

图片识别在《某市登山步道规划研究》项目中的应用：

目前在国内对城市规划而言大数据是一种锦上添花的新型研究手段，并未到达缺之不可的程度。然而在该规划中大数据起了至关重要的作用。由于该市的登山步道有上千条，在时间有限的情况下大数据的应用大大减轻了现状调研的工作量。图片识别是该项目大数据应用的重要组成部分，笔者希望对通过识别户外爱好者留下的带有坐标的图片，并获取相关要素来进行现状登山步道价值评估，为规划线路提供依据。为了提高准确性，笔者调用多个人工智能开放平台的API进行图片标签信息识别。
 

特色4：Python零基础玩转图片识别

在课程中，张老师将详细地讲述和演示操作过程，并赠送所有Python源代码。学员对源代码稍作修改即可达到图片自动化识别的要求。
 

特色5：火车头采集器和Python相结合的网页数据获取思路

在课程中，考虑到大部分学员无Python编程基础，张老师将对火车采集器（零代码）的使用进行教学，降低学习门槛。
 

特色6：设置ip代理应对各种情况

在课程中，张老师将教大家如何获取和使用ip代理。

 

特色7：调研照片空间化

在课程中，张老师将教大家如何将调研照片落到ArcGIS空间上形成点以便查看使用。

 

特色8：熟悉ArcGIS与txt文件、csv的交互操作

在课程中，张老师将教大家ArcGIS与txt文件、csv文件之间的交互操作。


 

（一）课程准备

1、课程简介

2、人工智能图片识别理论

3、Python及PyCharm安装

4、火车头采集器安装

（二）图片识别在《某市登山步道规划研究》项目中的应用

1、项目介绍

2、某户外网站数据介绍

3、某户外网站图片及坐标的爬取

4、人工智能开放平台API调用

5、图片识别及成果输出

6、图片识别成果与坐标配对

7、成果在ArcGIS中可视化展示

8、拓展：提高准确性——训练属于自己的训练集

9、补充内容：调研图片转成ArcGIS内的点

（三）图片识别在《城市环境品质提升》项目中的应用

1、项目介绍

2、街道品质评价指标绿视率

3、百度地图开放平台与街景API介绍

4、道路网数据转点及坐标转换

5、百度街景图片获取

6、Python图像处理库OpenCV简介

7、OpenCV计算原理解析

8、利用OpenCV计算绿视率

9、成果在ArcGIS中可视化展示