課程目標：
?
通過該課程的學習，學員能夠理解深度學習在圖像處理方面的原理，優勢；掌握主流深度學習框架、環境的搭建及部署；理解如何使用CNN神經網絡處理圖像，包括樣本的標注，選取，訓練過程；理解主流語義圖像處理網絡的原理并學會如何改善性能指標
?
課程大綱：
主題 內容
?
?
?
?
深度學習理論基礎 ?
神經網絡的基本結構
神經網絡基本運算單元
CNN卷積神經網絡
CNN圖像處理的原理
Python及常用深度學習python庫
Linux深度學習環境搭建
GPU加速深度學習原理
主流深度學習框架及操作（caffe + tensorflow）
?
?
?
?
主流深度學習網絡
? ?
MNIST卷積網絡
Cifar-10卷積網絡
Alexnet卷積網絡
RNN及LTSM網絡
基本CNN網絡的訓練
?
?
?
?
語義圖像識別 ?
語義圖像識別原理
傳統算法與深度算法
樣本標注
樣本選取的技巧
樣本處理原則
?
?
?
?
主流語義識別網絡 ?
RCNN神經網絡
Fast-RCNN神經網絡
FCN全卷積網絡與圖像識別
訓練過程與過擬合
模型與網絡參數的優化
