计算机视觉的深度学习实践课程介绍:
在所有人工智能的应用方向上，计算机视觉／机器视觉图像处理的落地应用最为成熟，近两年的技术发展是最为迅猛，需要的人才量也是最大。该课程希望能带给你获得以下成长：
1计算机视觉领域的重点研究问题。由浅入深得讲解数字图像的存储、预处理、特征提取，以及在深度学习兴起之前计算机视觉领域所取得的成就。
2专门介绍深度学习的基础理论知识，包括神经网络的基本原理，以及深度学习对于传统神经网络的关键改进。
3重点介绍深度学习模型在计算机视觉领域的应用。具体涉及在计算机视觉领域如何应用卷积神经网络（CNN)、区域卷积网络（R-CNN)全卷积网络（FCN)、循环神经网络（RNN)、长短时记忆单元（LSTM)、生成对抗网络（GAN)等解决图像应用的难点
课程目录:
——/小象-计算机视觉的深度学习实践/ ├──代码 | ├──代码.zip 3.56G | ├──ch10.zip 200.93M | ├──ch11.zip 2.84G | ├──ch12.rar 1.79G | ├──ch13.zip 134.01M | ├──ch14.zip 13.65M | ├──ch7.rar 685.37M | ├──ch8.zip 177.89M | └──ch9.rar 2.07G ├──课件.zip └──视频 | ├──章节1.课程概述 | ├──章节2.图像预处理 | ├──章节3.图像特征与描述 | ├──章节4.未有深度学习之前 | ├──5.神经网络与误差反向传播算法 | ├──6.深度学习基础 | ├──7.图像分类 | ├──8.图像检索 | └──9.目标检测_上 | ├──10.目标检测_下 | ├──11.通用场景图像分割 | ├──12.医疗影像分割 | ├──13.图像描述（图说） | ├──14.图像生成
