〖课程介绍〗:

AI的火爆程度可以说是“妇孺皆知”，无论是“美颜”还是AR识别，身边越来越多的AI元素出现在我们的生活中，让我们的生活更加丰富多彩。在这次课程中，我们就来通过丰富有趣的案例，来学习人工智能中的计算机视觉技术，迈上机器学习新台阶。

〖课程目录〗:

  • 第1章 课程导学 试看1 节 | 9分钟

  • 包括课程概述、课程安排、学习前提等方面的介绍，让同学们对计算机视觉有所理解

  • 收起列表

  • 视频：1-1 计算机视觉导学 (08:07)试看

  • 第2章 计算机视觉入门 试看22 节 | 153分钟

  • 通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础，如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍，学习并掌握TensorFlow的基本使用。…

  • 收起列表

  • 视频：2-1 本章介绍 (04:34)

  • 视频：2-2 Mac下一站式开发环境anaconda搭建 (05:55)

  • 视频：2-3 Windows下一站式开发环境anaconda搭建 (03:38)

  • 视频：2-4 测试案例helloWorld (06:30)

  • 视频：2-5 案例1：图片的读取和展示 (06:24)

  • 视频：2-6 Opencv模块组织结构 (05:09)

  • 视频：2-7 案例2：图片写入 (05:22)

  • 视频：2-8 案例3：不同图片质量保存 (06:31)

  • 视频：2-9 像素操作基础 (06:11)

  • 视频：2-10 案例4：像素读取写入 (05:04)

  • 视频：2-11 tensorflow常量变量定义 (06:19)

  • 视频：2-12 tensorflow运算原理 (04:59)

  • 视频：2-13 常量变量四则运算 (09:38)

  • 视频：2-14 矩阵基础1 (12:43)

  • 视频：2-15 矩阵基础2 (09:19)

  • 视频：2-16 矩阵基础3 (06:31)

  • 视频：2-17 numpy模块使用 (08:00)

  • 视频：2-18 matplotlib模块的使用 (06:14)

  • 视频：2-19 小综合：人工神经网络逼近股票价格1 (07:47)试看

  • 视频：2-20 小综合：人工神经网络逼近股票价格2 (11:04)

  • 视频：2-21 小综合：人工神经网络逼近股票价格3 (05:44)

  • 视频：2-22 小综合：人工神经网络逼近股票价格4 (08:14)

  • 第3章 计算机视觉加强之几何变换13 节 | 65分钟

  • 本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。

  • 收起列表

  • 视频：3-1 本章介绍 (04:10)

  • 视频：3-2 图片缩放1 (06:11)

  • 视频：3-3 图片缩放2 (08:56)

  • 视频：3-4 图片缩放3 (07:47)

  • 视频：3-5 图片剪切 (02:58)

  • 视频：3-6 图片位移1 (04:43)

  • 视频：3-7 图片移位2 (04:22)

  • 视频：3-8 图片移位3 (03:04)

  • 视频：3-9 图片镜像 (05:34)

  • 视频：3-10 图片缩放 (04:43)

  • 视频：3-11 图片仿射变换 (06:08)

  • 视频：3-12 图片旋转 (03:49)

  • 视频：3-13 图片几何变换小结 (02:20)

  • 第4章 计算机视觉加强之图像特效&线段文字绘制17 节 | 97分钟

  • 视频滤镜也是目前在计算机算法处理上比较火的一个方向之一，在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用

  • 收起列表

  • 视频：4-1 图像特效介绍 (06:12)

  • 视频：4-2 图像灰度处理1 (04:51)

  • 视频：4-3 图像灰度处理2 (05:34)

  • 视频：4-4 算法优化 (04:23)

  • 视频：4-5 颜色反转 (05:38)

  • 视频：4-6 马赛克 (04:55)

  • 视频：4-7 毛玻璃 (04:48)

  • 视频：4-8 图片融合 (05:46)

  • 视频：4-9 边缘检测1 (04:12)

  • 视频：4-10 边缘检测2 (07:50)

  • 视频：4-11 浮雕效果 (03:37)

  • 视频：4-12 颜色映射 (03:49)

  • 视频：4-13 油画特效 (09:42)

  • 视频：4-14 图像特效小结 (03:09)

  • 视频：4-15 线段绘制 (08:01)

  • 视频：4-16 矩形圆形任意多边形绘制 (08:44)

  • 视频：4-17 文字图片绘制 (05:40)

  • 第5章 计算机视觉加强之图像美化13 节 | 74分钟

  • 每个人都有一个爱美的心，在这个章节中大家可以通过磨皮美白、亮度增强、直方图均衡化、图像滤波等方法自己美化自己的照片。

  • 收起列表

  • 视频：5-1 美化效果章节介绍 (04:45)

  • 视频：5-2 彩色图片直方图 (08:54)

  • 视频：5-3 直方图均衡化 (06:59)

  • 视频：5-4 图片修补 (06:45)

  • 视频：5-5 灰度直方图源码 (04:39)

  • 视频：5-6 彩色直方图源码 (04:41)

  • 视频：5-7 灰度直方图均衡化 (06:34)

  • 视频：5-8 彩色直方图均衡化 (05:06)

  • 视频：5-9 亮度增强 (03:28)

  • 视频：5-10 磨皮美白 (03:17)

  • 视频：5-11 高斯均值滤波 (07:06)

  • 视频：5-12 中值滤波 (05:43)

  • 视频：5-13 图像美化章节小结 (05:41)

  • 第6章 计算机视觉加强之机器学习 试看23 节 | 207分钟

  • 本章节将结合haar+adaboost以及hog+svm分别实现人脸识别、卡通小狮子识别。将为大家介绍一个从训练到识别一个完整的机器学习案例。

  • 收起列表

  • 视频：6-1 机器学习章节介绍 (10:06)

  • 视频：6-2 视频分解图片 (08:05)

  • 视频：6-3 图片合成视频 (04:47)

  • 视频：6-4 Haar特征1 (08:46)试看

  • 视频：6-5 Haar特征2 (05:20)

  • 视频：6-6 Haar特征3 (03:55)

  • 视频：6-7 adaboost分类器1 (12:56)

  • 视频：6-8 adaboost分类器2 (06:18)

  • 视频：6-9 Haar+adaboost人脸识别 (12:25)

  • 视频：6-10 SVM支持向量机1 (10:09)

  • 视频：6-11 SVM支持向量机2 (08:03)

  • 视频：6-12 SVM小结 (03:43)

  • 视频：6-13 Hog特征1 (12:57)

  • 视频：6-14 Hog特征2 (10:55)

  • 视频：6-15 Hog特征3 (06:10)

  • 视频：6-16 Hog特征4 (08:00)

  • 视频：6-17 Hog小结 (06:56)

  • 视频：6-18 Hog_SVM小狮子识别1 (12:34)

  • 视频：6-19 Hog_SVM小狮子识别2 (09:33)

  • 视频：6-20 Hog_SVM小狮子识别3 (08:24)

  • 视频：6-21 Hog_SVM小狮子识别4 (09:52)

  • 视频：6-22 Hog_SVM小狮子识别5 (10:20)

  • 视频：6-23 机器学习小结 (16:11)

  • 第7章 手写数字识别19 节 | 137分钟

  • 通过knn、cnn两种方式，并结合每种方法的矩阵维度变化，深层次的讲解手写数字识别案例，讲述不一样的案例。

  • 收起列表

  • 视频：7-1 章节介绍 (03:51)

  • 视频：7-2 样本介绍 (03:55)

  • 视频：7-3 knn数字识别1 (05:47)

  • 视频：7-4 knn数字识别2 (05:45)

  • 视频：7-5 knn数字识别3 (08:20)

  • 视频：7-6 knn数字识别4 (05:01)

  • 视频：7-7 knn数字识别5 (07:42)

  • 视频：7-8 knn数字识别6 (05:18)

  • 视频：7-9 knn数字识别7 (08:28)

  • 视频：7-10 knn数字识别8 (07:46)

  • 视频：7-11 knn数字识别9 (05:01)

  • 视频：7-12 knn数字识别10 (07:55)

  • 视频：7-13 cnn实现手写数字识别1 (09:54)

  • 视频：7-14 cnn实现手写数字识别2 (08:49)

  • 视频：7-15 cnn实现手写数字识别3 (06:13)

  • 视频：7-16 cnn实现手写数字识别4 (08:21)

  • 视频：7-17 cnn实现手写数字识别5 (09:35)

  • 视频：7-18 cnn实现手写数字识别6 (07:23)

  • 视频：7-19 数字识别小结 (11:42)

  • 第8章 “刷脸”识别9 节 | 63分钟

  • 在第六章的基础上，通过识别某个具体的人脸来达到“刷脸”的效果。该案例架构包含样本收集+图像预处理+神经网络训练识别。可以说是一个从样本到训练的完整项目。

  • 收起列表

  • 视频：8-1 章节介绍 (06:07)

  • 视频：8-2 最简单的图片爬虫 (14:32)

  • 视频：8-3 ffmpeg初识 (09:52)

  • 视频：8-4 OpenCV预处理 (05:31)

  • 视频：8-5 神经网络训练识别1 (06:00)

  • 视频：8-6 神经网络训练识别2 (05:43)

  • 视频：8-7 神经网络训练识别3 (05:39)

  • 视频：8-8 神经网络训练识别4 (04:52)

  • 视频：8-9 本章小结 (03:52)

  • 第9章 课程总结1 节 | 5分钟

  • 对课程进行整体的回顾与总结

  • 收起列表

  • 视频：9-1 课程总结 (04:37)