有三AI秋季划出炉,模型优化,人脸算法,图像质量等24个项目等你来拿
这是我们最后一次CV季划,关于春季划和夏季划的说明,大家可以阅读往期文章。
这个春天,有三最后一月的学习“季划”招生
秋季划的主题就一个字,“战”!这一次我们分3大方向,分别是模型优化组,人脸算法组,图像质量组。
为什么搞季划
为什么要搞季划,有三跟很多人都解释过,我们不做培训,但是会带一些徒弟。带这些徒弟的目标除了维持生活费收入,更重要的一点就是作为有三AI这艘船的人才储备,毕竟一起成长起来的人才最可靠。
不论是以后要成立的公司,还是有三AI内容平台,都会优先从自己培养的人才队伍中挑选成员,可以说季划学员就是我们明日之星。不论是成为合伙人,还是成为专栏作者,其中会有不少人成为平台将来的中坚力量。现在已经有一些学的不错的同学成为了专栏作者,就是很好的案例。星星之火可以燎原,AI这个舞台必有我们一席之地。
季划就是难度依次增加的学习小组,有三亲自带领,囊括一对一答疑,微信群和知识星球,线下活动,图文课件,代码,数据集以及视频。
春夏季划需要掌握的是编程基础,开源框架,图像基础,深度学习中的数据使用,模型设计和优化,训练和部署,分类分割检测跟踪重建等一系列项目,掌握拥有独立完成工程项目的能力。
秋季划简介与参与条件
而此次的秋季划,则开始分三大方向,模型优化,人脸算法,图像质量。当你在某一个领域里做到极致,便会成为该领域的专家,从此就真的有了立足之地。
参加秋季划有以下基本要求:
(1) 熟练掌握Python,会使用C++编程。
(2) 至少能使用Caffe,Tensorflow,Pytorch三大开源框架。
(3) 扎实的数字图像处理基础,熟练掌握OpenCV。
(4) 扎实的深度学习理论基础。
如果大家没有相关基础,就可以先去准备好相关基础,如果想要在有三平台进行学习,就从春,夏季划开始,简介上面已经有链接,自己点击就可以阅读,或者添加文末有三的微信答疑。
模型优化组
模型优化小组的目标,就是掌握深度学习模型设计,调参,优化,部署。需要学习的东西包括8大项目:数据使用,模型使用和调参,模型性能分析,紧凑模型设计,模型剪枝,模型量化,模型部署,NAS。
数据使用
数据使用项目包括:
(1) 如何针对自己的任务搜集,整理数据
(2) 如何对数据的质量进行分析
(3) 如何选择好数据的尺度
(4) 图像分类等基本任务中的数据增强实战
模型使用和调参
模型使用和调参项目包括:
(1) 如何针对自己的任务选择好基准模型架构
(2) 如何设计和改进模型
(3) 如何对模型进行训练调参
模型分析
模型分析项目包括:
(1) 如何对模型进行可视化
(2) 如何对模型的计算量和参数量进行分析
紧凑模型设计
紧凑模型设计项目包括:
(1) 如何压缩大模型
(2) 如何设计小模型
(3) 如何保障小模型的性能
模型剪枝
模型剪枝项目包括:
(1) 模型剪枝理论学习
(2) Tensorflow等模型剪枝开源框架使用
模型量化
模型量化项目包括:
(1) 模型量化理论学习
(2) Tflite/TensorRT等模型量化工具的使用
模型部署
模型部署项目包括:
(1) ONNX的熟悉和使用
(2) MACE/MNN的熟悉和使用
自动化模型设计(NAS)
自动化模型设计项目包括:
(1) NAS基础理论学习
(2) AutoKeras等NAS工具使用
人脸算法
人脸算法小组需要掌握当前人脸图像领域的主要算法,学习的东西包括8大项目:人脸检测,人脸关键点检测,人脸识别,人脸属性分析,人脸分割,人脸美颜,人脸编辑与风格化,三维人脸重建。
人脸检测
人脸检测项目包括:
(1) 通用的人脸检测算法,掌握大姿态,遮挡,小脸检测技术原理
(2) 人脸检测项目实践
关键点检测
关键点检测项目包括:
(1) 通用的人脸关键点检测算法,大姿态,有遮挡的关键点检测算法,人脸关键点跟踪算法原理
(2) 人脸关键点检测项目实践
人脸识别
人脸识别项目包括:
(1) 通用的人脸识别算法,遮挡,跨年龄的人脸识别算法原理
(2) 人脸识别项目实践
人脸属性分析
人脸属性分析项目包括:
(1) 人脸表情,颜值,年龄等算法原理
(2) 人脸属性分析项目实践
人脸属性分割
人脸属性分割项目包括:
(1) 图像分割模型设计和优化方法
(2) 人脸属性分割项目实践
人脸美颜与美妆
人脸美颜项目包括:
(1) 通用美颜技术如磨皮美白,大眼,瘦脸以及化妆算法原理
(2) 人脸美颜项目实践
人脸编辑与风格化
人脸编辑项目包括:
(1) 通用的编辑技术,如表情迁移,姿态迁移,换脸等
(2) 人脸编辑项目实践
人脸重建
人脸重建项目包括:
(1) 传统优化和深度学习三维人脸重建算法原理
(2) 三维重建项目实践
图像质量
图像质量小组需要掌握与图像质量相关的内容,学习的东西包括8大项目:图像质量评价,图像构图分析,图像降噪,图像对比度增强,图像超分辨,图像去模糊,图像风格化,图像修复。
图像质量评价
图像质量评估项目包括:
(1) 图像质量评估,美学评估算法原理
(2) 图像质量评估项目实践
图像构图
图像构图分析项目包括:
(1) 显著目标检测与图像构图算法原理
(2) 图像构图项目实践
图像降噪
图像降噪项目包括:
(1) 传统图像与深度学习图像降噪算法原理
(2) 图像降噪项目实践
图像对比度与色调增强
图像对比度增强与色调增强算法项目包括:
(1) 传统图像与深度学习图像增强算法原理
(2) 图像增强项目实践
图像超分辨
图像超分辨项目包括:
(1) 传统图像与深度学习超分辨算法原理
(2) 图像超分辨项目实践
图像去模糊与锐化
图像去模糊与锐化项目包括:
(1) 传统图像与深度学习图像锐化和去模糊算法原理
(2) 图像去模糊项目实践
图像风格化
图像风格化项目包括:
(1) 传统图像与深度学习图像风格化算法原理
(2) 图像风格化项目实践
图像修复
图像修复项目包括:
(1) 传统图像与深度学习图像修复算法原理
(2) 图像修复项目实践
学习方式
1,学习形式
根据难度每一到两周一个项目,从11.4号开始,至春节前结束,每周项目学习需要完成推荐资料的阅读和项目实践,之后尽量参加一个相关的比赛。具体资料包括:
(1) 与项目配套的录制视频。
(2) 与项目配套的开源资料。
(3) 与项目配套的代码数据。
(4) 永久有效的相关微信群。
(5) 有三AI知识星球社区。
2,学习建议
报名模型优化+人脸或者模型优化+图像质量组,不建议报三个组。所有的内容都是先学习理论,再进行实践,时间分配约1:1。
3,寄语
这一次我们有明确统一的时间规划,但是其实要想做好每一个方向,短时间肯定是不够的,后面永久存在的技术讨论群,有三的答疑,有三AI知识星球才是最有价值的,请大家仔细评估是否加入。由于有很多人想着盗取有三AI的资源,因此会做相关防盗策略,资料分批发放,也是为了大家能够真正更好的消化相关内容。
秋季划与春夏季划相比
秋季划与春夏季划有几点不同:
(1) 不提供额外项目辅导,即讨论内容仅限群内相关主题讨论
(2) 没有图像基础,开源框架等基础内容,所以欠缺的同学需要自备相关技术
(3) 群里自由组队参加相关比赛
秋季划与春夏季划相同之处:
(1) 学习时间永久有效
(2) 有三及时指导(没有助教)
费用