0
1
¥ 49.00购买
开通会员,立省4.90元, 立即开通
立即购买

你将收获

Ubuntu下运行MNIST项目(Pytorch)

从零搭建首个卷积神经网络网络(Pytorch)

《论文带读Rethinking on Multi-Stage Networks for Human Pose Estimation》

论文带读《Actional-Structural Graph Convolutional Networks for Skeleton-based Action Recognition》

适用人群

有Python基础

课程介绍

行为识别与分析的主要目的是根据摄像头捕捉到的视频来具体地分析并预测人体行为。传统的实现方式主要基于捕捉人体所佩戴的传感器所发出的信号,因此使用不够灵活、操作复杂、扩展性不强、用户体验查。随着深度学习近年来的爆发性成长,基于计算机视觉的行为识别能够很好地获取视频中的空间和时间信息。由于其扩展性强、灵活度好、准确率高,因此成为现阶段及未来的主流方式。行为识别与分析在视频监控、医疗康复、健身评估、人机交互等领域应用 广泛,是计算机视觉研究的热点问题之一。站在风口, 猪也能飞上天。

行为识别与分析涉及领域及分支广、就业面宽,并且目前市场对行为识别与分析的需要是供小于求。尽管基于深度学习的识别与分析已经有了强有力的发展,但全网很少有系 统性从零到最新(2020) 介绍行为识别与分析的相关课程。目前全网在这个领域的教学课程成碎片化和过时化,且大多容易从传统算法和早期基于深度学习的算法下手,无法与时俱进,同时让学生产生迷惑并且难以快速入门。本课程沿着深度学习的脉络,-步一步向下过渡,探索其关联,由浅入深地让学员快速掌握行为识别与分析最新技术。

作为保证就业的CV就业班的先导课,本课程将直接从基于深度学习的目标检测入手,从基础的目标检测的三个分支,过渡到人体姿态估计,并且重点深耕于基于人体姿态估计的行为识别与分析:从基础网络到与时俱进的最新分析器(2020)。课程在由浅入深讲明基础理论知识,刻画各时期主流模型之后,更重点着墨于现阶段性能强劲的主流算法,助学生一臂之力。

课程讨论

暂无评论