欢迎来到《深度学习之图像分类》课程相关直播
这是我们的第02期直播
本次直播主题是
“细粒度分类相关工业界比赛介绍”
本课程内容包括图像分类的理论知识和实践内容，内容详细，案例丰富，下面是当前课程的大纲脑图：
(1) 理论部分内容包括：涵盖了深度学习之图像分类的多个理论知识，如图像分类简介、多类别图像分类理论、细粒度图像分类理论、多标签图像分类理论、半监督与无监督图像分类、零样本图像分类等，既有足够的广度，也具备足够的深度。我们会非常详细地讲解理论中的细节知识，帮助大家学懂学会；
(2) 实践非常丰富：本次课程中一共已经包含了4个实践案例，分别为人脸表情识别案例实践、人脸表情分类实战、动物细粒度分类实战、生活用品多标签图像分类实战、基于血红细胞的图像分类，而且还会介绍一些图像分类的小技巧，帮助大家提升。部分案例图如下：
下面简单了解一下课程各部分的大体内容：
(1) 图像分类简介，包括图像分类基本概念，经典数据集，评估指标与优化目标。
(2) 多类别图像分类理论，包括基本概念，经典模型，经典难题。
(3) 细粒度图像分类理论，包括基本概念，弱监督模型，强监督模型。
(4) 多标签图像分类理论，包括基本概念，多标签解决方案。
(5) 半监督与无监督图像分类，包括基本概念，半监督分类模型，无监督分类模型。
(6) 零样本图像分类，包括基本概念，零样本分类模型。
(7) 从零完成人脸表情识别案例实践，包括数据获取，模型搭建，训练与测试。
(8) 人脸表情分类实战，包括内容简介，表情分类实战简介，数据读取，数据增强，网络模型，小工具的使用，训练和验证。
(9) 动物细粒度分类实战，包括内容简介，数据读取，网络模型，训练。
(10) 生活用品多标签图像分类实战，包括内容简介，算法简介，数据读取及标签构建，模型搭建及训练。
(11) 基于血红细胞的图像分类性能提升技巧详解，包括内容简介，具体思路，基本功能实现（数据集的统计和分析，网络模型构建，训练），学习率调整，标签平滑，知识蒸馏，投票策略，TTA策略。
表情识别实战效果展示
学习完本课程你将掌握：
(1) 图形分类各领域的主流算法。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
(4) 了解计算机视觉竞赛工程技巧。
《深度学习之图像分类》课程二维码如下，感兴趣的小伙伴们快来加入吧！
如果你对本课程感兴趣，需要咨询该课程，可以添加“有三AI小助手”微信号，微信号为坨坨瑜，微信二维码如下：
微信小助手: 坨坨瑜
同时欢迎在深度学习领域有沉淀积累的同学加入有三AI生态，让更多人受益！
往期相关
481
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
