本课程全面深入讲解CNN卷积神经网络在计算机视觉中应用。课程中的每一个知识点都由老师手写详细讲解，并代码实战，力求让学习者掌握CNN全部知识。并深入讲解复杂图片分类项目、自编码与图片去噪项目、迁移学习项目、物体识别项目、人脸识别项目、风格转换项目等。使学习者能够在学习深度学习前沿知识的同时全面掌握CNN在业界的应用，并把所学项目知识应用到工业界解决实际问题。
能够自己动手构建人脸识别系统、物体识别系统。精通复杂图片分类、迁移学习、图片去噪、风格转换等项目。
 

对CNN内部原理、图片分类、物体识别、人脸识别、图片去噪等计算机视觉方向技术感兴趣的学习者。



1. 掌握CNN卷积神经网络架构
2. 深入理解CNN内容结构
（1）卷积层
（2）池化层（MaxPooling, AveragePooling, GlobalAveragePooling）
3. 熟练应用卷积神经网络分类大规模复杂图片
4. 掌握迁移学习的原理与项目实战
5. 深入理解高级卷积神经网络知识
（1）反卷积（Deconvolution）
（2）上采样（UpSampling）
6. 掌握自编码原理与项目实战
7. 掌握图片去噪项目
8. 全面掌握物体识别技术
（1）图片中的物体识别
（2）识别中的物体识别
9. 自己动手实现人脸识别系统
（1）定位面部位置
（2）识别面部特征
（3）面部编码详解
（4）构建人脸识别系统
10. 掌握风格转换项目
（1）风格转换详解
（2）Keras Backend 详解
（3）卷积核的可视化
（4）风格转换项目实战