擅长领域：opencv图像识别算法,美颜美体算法,深度学习目标检测以及嵌入式AI
讲师介绍：2003年工学硕士毕业，研究方向为模式识别。现为上海某科创公司人工智能部门负责人，主要研究内容有图像增强、图像分割和识别，基于深度学习的目标检测以及AI边缘计算等。
-
-
计算机视觉:
基于海思35xx nnie引擎进行经典目标检测算法模型推理
本课程包括下面6个经典目标检测算法模型的讲解：
1.基于自己数据集的Faster RCNN模型训练、验证以及nnie上仿真和运行。
2.基于自己数据集的RFCN模型训练、验证以及nnie上仿真和运行。
3.基于自己数据集的SSD模型训练、验证以及nnie上仿真和运行。
4.基于自己数据集的Mobilenet SSD模型训练、验证以及nnie上仿真和运行。
5.Yolov2模型验证以及nnie上仿真和运行。
6.Yolov3 tiny模型验证以及nnie上仿真和运行。
本课程特色：
1.实用性强，几乎囊括了当前所有经典的目标检测算法模型。
2.有深度。 从模型框架原理、搭建、训练自己数据集一直讲到模型量化成wk文件、仿真以及开发板上运行。
>
-
-
计算机视觉:
基于海思35xx上nnie加速引擎进行yolov3模型推理
本课程内容分为5个部分：
1.海思35xx SDK资料梳理以及SVP相关文档详细介绍
2.将darknet框架训练出来的yolov3模型转换成caffemodel
3.RuyiStudio工具的安装及其使用
4.Windows上仿真代码的运行以及代码分析
5.开发板上的sample代码的运行以及代码分析
本课程特色：
1. 不是照本宣科，着力把背后的原理讲清楚。
2. 实用性很强。 目标检测算法是计算机视觉基本任务之一，而YOLOv3则仍然是目前工业界中应用非常广泛的算法模型，从速度、准确度以及易用性的trade-off来看，它目前仍然是最好的算法模型之一。
>
-
-
计算机视觉:
Opencv4图像分割和识别实战课程
本课程专注于使用opencv4 APIs来解决实际工作中经常遇到的图像分割、识别问题。精心挑选的8个例子涵盖了图片滤镜特效，验证码识别，条形码和二维码定位和识别，试卷答题线检测、瓶盖缺陷识别以及车道线检测等方面。课程中既有原理讲解也有实战代码演示，更重要的是每节课后都布置有作业来提供动手机会，使得学员们通过实操来更好地消化和掌握课堂知识。
>
最新评论