共9节 已有14人学过
主讲老师张旭波
更新时间2025-03-17 11:03:01
课件资料暂无
免费
图像分类是计算机视觉中比较基础的领域，进入视觉领域的大部分同学，应该首先接触的是图像分类，因为图像分类可以让大部分的小白能快速了解到视觉领域到底在做什么，以及很多经典的网络结构都是出自图像分类。正是图像分类比较容易理解和容易实现，对于刚开始接触这部分知识点的小伙伴来说非常的好奇，越是这样越容易触发对视觉领域的了解。
该课程的内容比较简单，如果对编程不太熟悉的小伙伴可能不太容易理解其中的一些知识点，没有关系，大家可以在学习的过程中遇到不懂的地方在评论区进行讨论，我也会进行回复。而且该课程还会不断地更新，大家也可以先去了解一下相关的经典网络结构，比如GoogleNet,Inceptionv2-v4,VGG以及ResNet,MobileNet等网络，经典的网络结构太多了，大家可以慢慢来了解。
对计算机视觉（图像分类，目标检测，语义分割），NLP，文生图以及GAN领域感兴趣。 B站：https://space.bilibili.com/625095571 CSDN博客：https://blog.csdn.net/Keep_Trying_Go? spm=1010.2135.3001.5421 GitHub: https://github.com/KeepTryingTo
这门图像分类算法 9 课时课程，从图像分类在视觉任务中的基础地位讲起，带你走完一条从理论到部署的完整链路：理解 VGG、ResNet、Inception 等经典网络，用 PyTorch 加载 MNIST 和本地花卉数据，手写 CNN，完成训练、验证、保存最佳模型与 loss/acc 可视化；进一步学习迁移学习与微调策略，通过实验理解冻结层选择、过拟合和泛化能力；最后精读乘法式新运算论文，并把 .pth 模型导出为 ONNX，用 ONNX Runtime 完成推理部署。课程适合有 Python 和 PyTorch 基础、希望系统入门计算机视觉或补齐图像分类实战能力的同学，也适合想掌握训练、微调、模型转换与部署流程的开发者。学完后，你不仅能搭建并训练自己的图像分类网络，还能掌握从数据准备、模型训练到 ONNX 部署的完整工作流。
张旭波
对计算机视觉（图像分类，目标检测，语义分割），NLP，文生图以及GAN领域感兴趣。 B站：https://space.bilibili.com/625095571 CSDN博客：https://blog.csdn.net/Keep_Trying_Go? spm=1010.2135.3001.5421 GitHub: https://github.com/KeepTryingTo
给该课程打分：
发表
