《计算机视觉技术实战》全套教学课件.pptx

《计算机视觉技术实战》项目1卷积入门：手动搭建入门级卷积神经网络项目2图像分类：基于ResNet-18的时尚商品识别项目3目标检测：基于YOLOv8的口罩识别项目4图像分割：基于YOLOv8-seg的宠物猫实例分割项目5目标跟踪：基于YOLOv8-track的宠物猫目标跟踪项目6人脸识别：基于insightface的人脸检索项目7风格迁移：基于NST与AnimeGAN的图像古风化项目8以文修图：基于Grounded-SAM大模型的图像编辑项目9综合应用：火情识别算法研发及部署全套可编辑PPT课件

项目1卷积入门：手动搭建入门级卷积神经网络

教学目标能力目标（1）掌握图片数据集的加载和预处理。（2）理解深度神经网络的基本结构和工作原理。（3）掌握神经网络的搭建和训练过程。（4）学会选择适当的超参数。（5）能够使用训练好的神经网络进行图像分类。知识目标（1）逐步掌握深度神经网络的基本原理和实际操作技能。（2）为进一步深入学习和应用计算机视觉技术打下坚实的基础。本课件是可编辑的正常PPT课件

工程目录图1-1是项目的主要文件和目录结构。其中dataset为存放数据集的目录，model为存放模型文件的目录，data_load_and_show.ipynb为用于样本数据加载和查看的jupyter文件。SimpleCNN.ipynb和SimpleCNN.py为本项目的主要代码文件，两者内容一致，前者用于jupyter交互执行，更加直观；后者用于脚本执行，更加高效。图1-1项目的主要文件和目录结构+--Project1_SimpleCNN/|+--dataset/||+--Handwritten_Chinese_Numbers_DataSet/|||+--LowResolutionDataset/|||+--RawDataset/|||+--TrainableDataset/|||--README.txt|+--model/||--model_val90.67.pth||--model_val95.78.pth|--data_load_and_show.ipynb|--SimpleCNN.ipynb|--SimpleCNN.py本课件是可编辑的正常PPT课件

目录2深度学习环境部署1认识数据集3模型训练与评估本课件是可编辑的正常PPT课件

目录2深度学习环境部署3模型训练与评估1认识数据集本课件是可编辑的正常PPT课件

1.认识数据集任务目标（1）了解手写中文数字数据集的来源、收集方式和组成结构。（2）掌握如何加载和展示数据集中的样本图片。（3）认识项目的主要文件和目录结构，包括存放数据集、模型文件和代码文件的目录结构。（4）学习两种主要代码文件（JupyterNotebook和Python脚本）。本课件是可编辑的正常PPT课件

1.1数据集来源手写中文数字数据集（HandwrittenChineseNumbers）是一个用于手写汉字数字识别的数据集，类似于传统的英文MNIST数据集，每个样本是一个数字的汉字字符。手写中文数字数据集来源于纽卡斯尔大学（NewcastleUniversity）在一个研究项目中收集的数据。项目中有一百名中国公民参与了数据收集。每个参与者用标准黑色墨水笔，在一张白色A4纸上画出的15个指定区域的表格中，写下所有15个中文数字，并重复这个过程10次。然后，每张纸均以300x300像素的分辨率进行扫描，经过处理最终生成了包含15000张图像的数据集，每个图像代表一组15个字符中的一个字符，像素大小是64x64。每个样本数据文件的命名规则为：Locate{personnel_id,sample_id,code}.jpg，以Locate{1,3,4}.jpg为例，代表人员编号为1、采样编号为3、中文数字编码为4的样本。中文数字编码中文数字字符1零2一3二4三5四6五7六8七9八10九11十12百13千14万15亿本课件是可编辑的正常PPT课件

1.2数据集展示importosimportmatplotlib.pyplotasplt?#数据集存放目录dataset_path=r.\dataset\Handwritten_Chinese_Numbers_DataSetraw_dataset_path=os.path.join(dataset_path,RawDataset)?forcurDir,dirs,filesinos.walk(raw_dataset_path):#遍历目录下的所有文件