计算机视觉应用中的高级卷积神经网络

• 高级架构

  实现并自定义ResNet、DenseNet和EfficientNet等前沿卷积神经网络架构。

• 训练优化

  应用高级训练和正则化技术，包括现代优化器和学习率调度。

• 目标检测

  构建用于目标检测的模型，使用Faster R-CNN、YOLO和SSD等技术。

• 图像分割

  实现用于语义和实例分割的模型，使用FCN、U-Net和Mask R-CNN等。

• 注意力机制与Transformer

  理解并在视觉模型中实现注意力机制和视觉Transformer (ViT)。

• 迁移学习

  有效应用高级迁移学习和域适应策略，处理特定领域问题。

• 生成模型

  学习生成对抗网络（DCGAN、StyleGAN）等生成模型，用于图像合成任务。

• 模型效率

  应用模型优化和压缩技术，如剪枝、量化和知识蒸馏。

本课程没有先修课程。

目前没有推荐的后续课程。