课程介绍

注意0：欲购买此课程，获取安全购买链接，索要正版授权学习平台账号，务必加咨询QQ：2536379620
注意1：由于编码原因，试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1   图2
注意2：正版良心视频，购买后有机会和原作者直接短暂技术交流。

理解卷积神经网络基本原理，熟练学习OpenCV深度神经网络模块API开发技术，学习加载模型，解析模型输出结果；学习如何把正常的tensorflow对象检测模型转化为OpenCV可以接受的模型，实时人脸检测与识别案例。学习使用OpenCV DNN模块解决实际问题。

适合人群

C++语言开发者，OpenCV开发工程师，对人工智能与计算机视觉感兴趣的，在校大学生，研究生。

课程目标

学习使用OpenCV4**的深度神经网络模块，正确使用模型推理，CPU加速调用，解决实际视觉问题。

课程大纲

OpenCV4 深度神经网络(DNN)实战教程资料下载
1概述与环境配置[27:06]         暂无试看
2卷积神经网络原理概述[23:52]
3加载网络模型与读取各层信息[18:55]
4图像分类网络Inception使用[25:11]
5读取分类标签文件显示分类[10:08]
6对象检测网络介绍[30:49]
7SSD对象检测网络加载与执行[20:49]
8SSD对象检测推理输出解析与显示[13:14]
9Faster RCNN对象检测模型使用[27:47]
10YOLOv3对象检测模型推理使用[23:34]
11YOLO输出解析与NMS使用显示[29:23]
12OpenCV DNN配置加速组件IE支持[16:48]
13实时SSD对象检测[25:29]
14实时人脸检测[18:19]
15道路与车辆分割模型介绍与使用[20:56]
16道路与车辆分割模型输出解析与显示[22:02]
17图像变换-图像彩色化模型使用[27:52]
18图像变换-实时风格迁移[19:18]
19导入tensorflow对象检测框架模型支持[23:28]
20案例1-实时性别与年龄预测 -01[18:29]
21案例1-实时性别与年龄预测 -02[18:35]
22案例2-实时人脸识别演示-01[28:46]
23案例2-实时人脸识别演示-02[11:50]
24案例2-实时人脸识别演示[11:30]