深度學習框架caffe-windows快速入門到應用第1課

1、深度學習框架CAFFE-Windows快速入門到應用第1課,,51CTO學院,,為什么學習這門課？,深度學習是當下時代前進的一個方向，很可能在不久之后的某一天為你帶來極大的機遇，不要錯過它！,刷臉取款,拍照搜題—中學生拍照搜題利器,以圖搜寶貝,手勢控制拍照,車輛檢測,人臉檢測,車牌識別,課程目錄（windows 下c++/matlab/python）一、CAFFE學習初步Caffe在windows下的編譯詳解Caffe實用工具

2、的使用—compute_image_mean等手寫字體識別案例學習（掌握模型訓練的一般步驟，數(shù)據(jù)格式轉換lmdb等…）識別自己的手寫圖片（如何使用訓練好的模型）訓練超參數(shù)文件、網(wǎng)絡模型文件、卷積、池化、全連接、softmax講解CIFAR10 案例學習與應用（掌握模型訓練的一般步驟對比與minst的不同）,二、探索CAFFE源碼Caffe 的數(shù)據(jù)結構（Blob, Layer, Net）脫離caffe原有的工程，新建VS201

3、3的工程，導入 caffe ,學習相應數(shù)據(jù)結構的基本操作關于層無法識別的解決方案,三、學以致用—基于全卷積神經(jīng)網(wǎng)絡的人臉檢測項目（復現(xiàn)論文的車輛檢測部分）及caffe可視化處理將車輛檢測的新方法應用于人臉檢測論文中訓練網(wǎng)絡、訓練超參數(shù)文件的編寫詳解設計網(wǎng)絡時各層參數(shù)的計算與選擇提供12萬人臉正樣本、30萬人臉負樣本數(shù)據(jù)及樣本預處理方式、大批量圖片如何轉成lmdb格式、訓練Malab接口使用、Loss的可視化、heatmap提

4、取與可視化評估效果與改進方案補充：人臉識別中的特征提取、數(shù)據(jù)清洗,五、結尾Python接口編譯及基本使用示例總結與學習建議,四、Caffe進階（多標簽回歸問題）Multi-labels 正則表達式處理pascal圖片數(shù)據(jù)庫訓練數(shù)據(jù)多標簽與hdf5格式轉換、回歸問題的標簽預處理非圖像數(shù)據(jù)如何轉換格式進行訓練？任意層特征提取深入caffe 源碼，詳解特征提取（extract feature）功能源碼，并修改源碼用于物體定位

5、,手寫數(shù)字識別案例,cifar10,本課程適用人群,1.有一定編程基礎的同學，沒有基礎就花點時間學習，課程里頭會告訴大家該學習什么，僅僅需要你們的熱情和決心2.研究生及研究生以下，畢業(yè)設計是深度學習的同學快速上手3.資深的軟件工程師，快速入行深度學習領域4.當然，不管學歷如何，基礎如何，只要你愿意，嚴格按照教程走下去，肯定學得會！,本課程要求：,課程使用的環(huán)境：操作系統(tǒng)：windows 7 64位所需軟件：Visual