零基础Python入门计算机视觉2

零基础Python入门计算机视觉2

乐学偶得

乐学偶得致力于前沿Fintech(金融科技),Data Science(数据科学),IT(信息科技),企业高级管理必备CFA,FRM,CIA等高端企业管理商务知识,多语种文化艺术信息的分享及咨询。

  • 课程目录
  • 课程介绍
  • 课时1:【图片噪点】1.画质渣是怎么回事

  • 课时2:【图片噪点】2.从Nvidia到强人工智能展望

  • 课时3:【图片噪点】3.从白噪声到宇宙射线

  • 课时4:【图片噪点】4.噪声像素变化的表达式

  • 课时5:【图片基本去噪原理】1.我们关注的不是噪点而是去噪

  • 课时6:【图片基本去噪原理】2.正态分布复习与构建

  • 课时7:【图片基本去噪原理】之【中心极限定理补充1】

  • 课时8:【图片基本去噪原理】之【中心极限定理补充2】

  • 课时9:【ImageDerivative】之【Derivative概念回顾1】

  • 课时10:【补充】【Derivative与PartialDerivative】1.导数与偏导数补充

  • 课时11:【补充】【Derivative与PartialDerivative】2.导数的复习补充

  • 课时12:【补充】【Derivative与PartialDerivative】3.mapping的思想介绍

  • 课时13:【补充】【Derivative与PartialDerivative】4.偏导数的介绍

  • 课时14:【补充】【Derivative与PartialDerivative】5.偏导数的推导

  • 课时15:【补充】【Derivative与PartialDerivative】6.高纬度的图示

  • 课时16:【补充】【课后可通过WolframAlpha快速建模计算辅助理解】

  • 课时17:【补充】【课后可通过Sympy快速建模计算辅助理解】

  • 课时18:【补充】【Multivariable函数可视化】1.matplotlib构建3D空间

  • 课时19:【补充】【Multivariable函数可视化】2.构建与定义任意函数

  • 课时20:【补充】【Multivariable函数可视化】3.contour3D的实现

  • 课时21:【补充】【Multivariable函数可视化】4.3Dsurf

  • 课时22:【补充】【Multivariable函数可视化】5.偏导数的图形意义与总结

  • 课时23:【DiscreteDerivative】1.计算机视觉中的非连续性

  • 课时24:【DiscreteDerivative】2.连续情况求导的数学表达

  • 课时25:【DiscreteDerivative】3.计算机视觉中的非连续

  • 课时26:【DiscreteDerivative】4.正反中央求导概念

  • 课时27:【导数Masks】1.一维数轴上的故事

  • 课时28:【导数Masks】2.通过矩阵批量计算

  • 课时29:【Gradient梯度】1.偏导数的局限性与2D任意求导

  • 课时30:【Gradient梯度】2.梯度向量大小与方向

  • 课时31:【Gradient梯度】3.数学定义与2D平面内演示

  • 课时32:【Gradient梯度】4.山坡的例子与3D变化最快的演示

  • 课时33:【ImageDerivative】1.图像求导的本质为2d矩阵求导

  • 课时34:【ImageDerivative】2.逐个window进行矩阵运算

  • 课时35:【ImageDerivative】3.两个mask的口算结果

  • 课时36:【ImageDerivative】4.图像与Kernel的Correlation定义

  • 课时37:【ImageDerivative】5.Kernel的Correlation实例

  • 课时38:【ImageDerivative】6.卷积初探与定义

  • 课时39:【ImageDerivative】7.卷积的分布flip演示

  • 课时40:【ImageDerivative】8.卷积的最终结果演示

  • 课时41:【Gaussian_Filter】1.补充介绍mean与加权mean

  • 课时42:【Gaussian_Filter】2.2D与3D的高斯分布数学定义

  • 课时43:【Gaussian_Filter】3.Python快速构建2D高斯分布

  • 课时44:【Gaussian_Filter】4.Python快速构建3D高斯分布1

  • 课时45:【Gaussian_Filter】5.Python快速构建3D高斯分布2

  • 课时46:【Gaussian_Filter】6.傅里叶转换卷积与高斯分布

  • 课时47:【知识补充】【debug模式与密码学prime相关】1

  • 课时48:【知识补充】【debug模式与密码学prime相关】2

  • 课时49:【知识补充】【debug模式与密码学prime相关】3

  • 课时50:【知识补充】【debug模式】之【StepOver】

  • 课时51:【知识补充】【debug模式】之【自定义breakpoint】

  • 课时52:【小项目】1.【手写Median_Filter去噪Salt_and_Pepper噪音】

  • 课时53:【小项目】2.【我们的任务:还原蒙娜丽莎的微笑】

  • 课时54:【小项目】3.【如何找思路:Doc文档最靠谱】

  • 课时55:【小项目】4.【成功!蒙娜丽莎再也不朦胧了】

  • 课时56:【小项目】5.【反思,巧用debug模式】

  • 课时57:【小项目】6.【技巧,巧用断点与表达式验证】

  • 课时58:【小项目】1.【调用多个库实现GaussianFilter】

  • 课时59:【小项目】2.【调用多个库实现GaussianFilter】

  • 课时60:【小项目】3.【调用多个库实现GaussianFilter】

  • 课时61:【边缘检测EdgeDetection】1.回顾工具与进一步思考

  • 课时62:【边缘检测EdgeDetection】2.你要做边缘检测有什么思路?

  • 课时63:【边缘检测EdgeDetection】3.从Discontinuity本身入手

  • 课时64:【边缘检测EdgeDetection】4.四种常见EdgeModel

  • 课时65:【EdgeDetector关键】【smoothing】1.为什么第一步需要blurring

  • 课时66:【EdgeDetector关键】【smoothing】2.Average_Box_Filter

  • 课时67:【EdgeDetector关键】【smoothing】3.Gaussian_Noise的Avg

  • 课时68:【EdgeDetector关键】【smoothing】4.GNoise的GaussianKernel

  • 课时69:【EdgeDetector关键】【Prewitt边缘检测器流程】1.先smooth再der

  • 课时70:【EdgeDetector关键】【Sobel边缘检测器流程】1.流程Prewitt对比

  • 课时71:【EdgeDetector关键】【边缘检测与RGB探讨】1.BW与RGB探讨

  • 课时72:【选修】【高级边缘检测】1【Marr-Hildreth】

  • 课时73:【选修】【高级边缘检测】2【Marr-Hildreth】

  • 课时74:【选修】【高级边缘检测】3【Marr-Hildreth】

  • 课时75:【选修】【高级边缘检测】1【Canny_Operator】

  • 课时76:【选修】【高级边缘检测】2【Canny_Operator】

  • 课时77:【选修】【高级边缘检测】3【Canny_Operator】

  • 课时78:【选修】【高级边缘检测】1【Hysteresis_Thresholding】

  • 课时79:【选修】【高级边缘检测】2【Hysteresis_Thresholding】

  • 课时80:【补充】【Divergence】1.从求导到梯度到散度

  • 课时81:【补充】【Divergence】2.从Laplacian到空间投影

  • 课时82:【补充】【Divergence】3.从磁场到水流到向量场

  • 课时83:【补充】【Divergence】4.向量场中的辐射源与黑洞

  • 课时84:【补充】【Divergence】5.散度的三种情况

  • 课时85:【Divergence数学表达与推导】1

  • 课时86:【Divergence数学表达与推导】2

  • 课时87:【重要概念专题】【梯度下降】1.传统方法与lossfunc

  • 课时88:【重要概念专题】【梯度下降】2.传统方法的可视化

  • 课时89:【重要概念专题】【梯度下降】3.最优解推导与链式法则

  • 课时90:【重要概念专题】【巧妙设计LearningRate】1

  • 课时91:【重要概念专题】【巧妙设计LearningRate】2

  • 课时92:【重要概念专题】【手推梯度怎么下降的】1

  • 课时93:【重要概念专题】【手推梯度怎么下降的】2

  • 课时94:【重要概念专题】【手推梯度怎么下降的】3

  • 课时95:【重要概念专题】【梯度下降终止条件与推广】1

  • 课时96:【重要概念专题】【梯度下降终止条件与推广】2

课程概述

车牌识别,人脸认证,医疗诊断,自动驾驶......论AI真正大量落地的运用领域,非计算机视觉莫属。前谷歌的CEO施密特曾说过:“如果有人给你在火箭上提供了一个位置,那么,别管位置好坏,先上去再说”。我们如何抓住人工智能浪潮中这一技术机会呢?如何快速入门了解计算机视觉与上手其运用呢?本课程为《零基础Python入门计算机视觉系列》第二部分《过滤处理》,共76节课程,已经更新完毕,大纲如下:1.图片噪点介绍2.图片去噪基本原理3.导数与偏导数补充4.Multivariable函数可视化5.DiscreteDerivative6.Gradient梯度7.ImageDerivative8.Gaussian_Filter9. 【必备技能与知识点补充】之【Debug与Prime】10.【项目】【手写Median_Filter去Salt_Pepper】11. 【边缘检测Edge_Detection】12.【选修】【高级边缘检测】课程特色在于Python使用常见的计算机视觉相关库,并通过相关功能的实现了解计算机视觉常见的算法与原理,在帮助大家打好Python与算法基础的同时,采用真实图像与视频项目进行实操分析与运用,欢迎大家加入哦~【下拉↓2000+ 更多 入门+全栈+金融量化+爬虫+自动办公系列好课】(合辑限时立减654,课程可单独购买)

相关教程

Learnfk - C语言教程

Learnfk - 数据结构和算法教程

Learnfk - Node.js教程

Learnfk - Codeigniter教程

Learnfk - Rust教程

Learnfk - HTML教程

随机推荐

百诺三脚架C2690TB1入手使用1个月感受揭露,内幕透露。

苏泊尔电压力锅双胆详细评测报告,性能评测

启初面霜宝宝霜儿童霜评测性价比高吗,优劣分析评测结果!

Yottamaster磁盘阵列柜2.5冰箱评测质量怎么样!优缺点质量分析参...

布朗博士DrBrown's儿童牙刷口腔清洁训练牙刷来看看买家说法,质量...

PUMA彪马官方休闲印花单肩包究竟合不合格,内幕透露。