【视频课】CV必学，超10小时，3大模块，5大案例，循序渐进地搞懂图像分类理论与实践！...

本文主要是介绍【视频课】CV必学，超10小时，3大模块，5大案例，循序渐进地搞懂图像分类理论与实践！...，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

前言

欢迎大家关注有三AI的视频课程系列，我们的视频课程系列共分为5层境界，内容和学习路线图如下：

第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用。

第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类。

第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，目标跟踪。

第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。

第5层：掌握算法落地的关键技术，包括模型优化，模型部署。

其中部分课程的主体内容已经更新完毕，比如数据使用/模型分析/图像分类/图像分割/目标检测/图像生成/视频分类/模型部署/模型优化；部分课程正在重制更新中，比如人脸图像；部分课程正在计划上线中，比如图像编辑，请大家及时关注！

最新的完整介绍如下：【总结】有三AI所有免费与付费的计算机视觉直播与视频内容汇总（2022年4月）

本次给大家介绍的课程内容是《深度学习图像分类：理论实践篇》，目标是帮助大家掌握基于深度学习的图像分类问题。

为什么要学习这门课程

图像分类是计算机视觉领域里最基础的问题，要解决的就是给定一个图像，正确给出该图像所属的类别。如何做好图像分类任务，关系到大家能否正确顺利地入门、如何学习接下来更加高阶的内容。

不过图像分类问题看起来简单，但也有较高难度的内容，其中细粒度分类，半监督与无监督图像分类，零样本分类问题是属于非常前沿的内容，值得掌握。

为了帮助大家系统性解决所有图像分类领域知识的学习，我们推出了《深度学习之图像分类-理论实践篇》专栏课程。

课程的主体部分已经更新完毕，本课程结合实际项目，将所学理论应用于实践。

深度学习之图像分类二维码

图像分类完整课程介绍

本课程内容包括图像分类的各个领域的算法与实践，时长超过10个小时，分为3大模块，5个实践案例。包括图像分类的理论知识和实践内容，内容详细，案例丰富，下面是当前课程的大纲脑图：

(1) 理论部分内容包括：涵盖了深度学习图像分类各个方向的理论知识，如图像分类基础、多类别图像分类理论、细粒度图像分类理论、多标签图像分类理论、半监督与无监督图像分类、零样本图像分类等，既有足够的广度，也具备足够的深度。我们会非常详细地讲解理论中的细节知识，帮助大家学懂学会；

(2) 实践非常丰富：本次课程中一共已经包含了5个实践案例，分别为从零完成人脸表情识别案例实践、简单图像分类数据增强实战、鸟类动物细粒度分类实战、生活用品多标签图像分类实战、基于血红细胞的图像分类竞赛技巧，通过这些实战案例可以彻底掌握图像分类任务的实战技巧。

表情识别实战效果展示

3大模块分为基础内容，进阶内容，以及拓展内容。

(1) 基础内容包括图像分类基础，多类别图像分类理论与实战，数据增强实战等。

(2) 进阶内容包括细粒度图像分类理论与实战，多标签图像分类理论与实战。

(3) 拓展内容包括半监督与无监督，零样本图像分类理论，图像分类竞赛实战。

下面简单了解一下课程各部分的大体内容：

(0) 课程简介，包括图像分类课程介绍。

(1) 图像分类基础，包括图像分类基本概念，经典数据集，评估指标，优化目标，约45分钟，本小节内容可以免费收听。

(2) 多类别图像分类理论，包括基本概念，多类别分类经典模型，多类别分类经典难题，约45分钟，本小节内容可以免费收听。

(3) 从零完成人脸表情识别实践，包括项目背景，数据处理与读取，模型搭建与训练，模型测试，约62分钟，本小节内容可以免费收听。

(4) 简单图像分类数据增强，包括接口介绍，实验比较，约30分钟，本小节内容可以免费收听。

(5) 细粒度图像分类理论，包括基本概念，弱监督模型，强监督模型，约30分钟。

(6) 鸟类细粒度图像分类实战，包括项目简介，数据读取，模型搭建与训练，约30分钟。

(7) 多标签图像分类理论，包括多标签图像分类问题以及相应的解决方案，约20分钟。

(8) 生活用品多标签图像分类实战，包括内容简介，数据读取及标签构建，模型搭建及训练，约130分钟。

(9) 半监督与无监督分类理论，包括基本概念，有监督分类模型与无监督分类模型，约30分钟。

(10) 零样本分类理论，包括零样本分类基本概念与相关模型，约15分钟。

(11) 血红细胞图像分类竞赛，包括内容简介，思路分析，数据集的统计分析，网络模型构建，模型训练，学习率调整，标签平滑，知识蒸馏，投票策略，TTA策略，约120分钟。

(12) 不定期直播答疑，课程配套有直播答疑，目前已经有3次直播，会讲解拓展内容以及进行课程内容答疑。

本课程适合人群：

(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。

(2) 掌握了Python，深度学习基础概念等预备知识的技术人员。

(3) 学习与从事计算机视觉领域的技术人员。

学习完本课程你将掌握：

(1) 图像分类各领域的主流算法。

(2) 熟悉Pytorch项目实践。

(3) 掌握计算机视觉项目的完整流程。

(4) 了解计算机视觉竞赛工程技巧。

课程讲师介绍

本课程讲师包括言有三与郭冰洋，其中言有三讲解主要内容，郭冰洋讲解2个实战，包括多标签图像分类实战与血红细胞图像分类竞赛实战。

言有三，技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012)，中国科学院半导体研究所神经网络实验室(2012-2015)，先后就职于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度学习实验室(2017.5-2019.3)，深度学习算法专家，阿里云MVP，华为云MVP。

拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。

擅长领域：Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。