课程主页: https://www.coursera.org/learn/deep-learning-computer-vision
在当今的科技世界中，计算机视觉作为一个不断发展的研究领域，正在推动着许多技术的前进。Coursera近期推出的《深度学习在计算机视觉中的应用》课程，完美地结合了经典计算机视觉技术与现代深度学习方法，帮助学习者全面理解这一领域。
本课程全面的课程大纲包括了计算机视觉的基础知识及其发展历程。在第一个模块中，学习者将了解计算机视觉的目标是什么，以及如何从图像中提取信息。此外，还将探索计算机视觉的主要任务以及相应的应用案例，并分析机器学习和深度学习技术的引入对该领域的影响。
在经典计算机视觉工具模块中，课程将深入研究卷积操作、线性滤波器和图像特征检测算法等经典技术。通过这些内容的学习，学员能够打下扎实的基础，为后续的深度学习方法做准备。
图像分类是课程中的一个重要部分。在这一模块中，学员将首先回顾经典计算机视觉面临的目标识别挑战，然后了解如何通过经典计算机视觉管道实现物体识别和图像分类的步骤。
接下来，教程将引入神经网络与深度学习的概念。在此模块中，学习者将对比神经网络和经典计算机视觉工具的图像分类管道差异，并学习神经网络的基本组成部分。课程将通过TensorFlow的实操，指导学员建立、训练和使用神经网络进行图像分类预测。
最后，在卷积神经网络及深度学习高级工具模块，学员将深入研究卷积神经网络的组成、参数与超参数，并了解它们在提高深度学习模型准确性方面的作用。这一模块同样会通过TensorFlow的实践，让学员能够亲自动手构建、训练和使用深度神经网络进行图像分类。
总体而言，这门课程不仅提供了丰富的理论知识，还通过实践教程让学习者更深入地理解现代机器学习工具与软件的应用。无论是对计算机视觉感兴趣的新手，还是希望深化专业知识的学习者，这门课程都将是一个极好的选择。
课程主页: https://www.coursera.org/learn/deep-learning-computer-vision