课程主页: https://www.coursera.org/learn/introduction-computer-vision-watson-opencv
最近我参加了一门非常有趣的在线课程——《计算机视觉与图像处理入门》。这门课不仅对初学者非常友好，还向我们展示了计算机视觉在机器学习和人工智能中的应用。
课程的第一模块介绍了计算机视觉的基本概念和图像处理的重要性。我们讨论了这一快速发展的领域的应用——从提高智能手机图像清晰度到帮助医生治愈疾病。每个模块都深入浅出，非常适合对计算机视觉感兴趣的初学者。
在接下来的几个模块中，我们深入学习了使用 Python 库如 OpenCV 和 Pillow 进行图像处理的方法。这些工具使我们能够有效地增强图像及提取有用信息，这对于理解计算机视觉的其他部分至关重要。
课程的第三模块涵盖了图像分类的机器学习方法，包括 k 最近邻、逻辑回归、SoftMax 回归和支持向量机，以及图像特征的介绍。
随后，我们接触到神经网络和深度学习，尤其是在图像分类方面。这一模块详细讲解了全连接神经网络和卷积神经网络（CNN），我们也学习了不同的激活函数以及各种 CNN 架构，如 ResNet 和 LenNet。
在物体检测的模块中，我们了解了多种物体检测的方法，包括 Haar Cascade 分类器和 R-CNN 与 MobileNet 的使用。
最后，我们还完成了一个项目案例——“不完全是自动驾驶汽车”的交通标志分类。在这个项目中，我们建立了一个计算机视觉应用，并通过 Code Engine 将其部署到云端。这个实践项目让我获得了非常实用的经验。
总的来说，我强烈推荐这门课程给所有想要进入计算机视觉领域的朋友们。课程内容丰富，实践性强，能够奠定坚实的基础，同时也能让你体验到计算机视觉的无穷魅力！
课程主页: https://www.coursera.org/learn/introduction-computer-vision-watson-opencv