【视频课】图像分类最新内容来了（言有三录制6大理论部分讲解）

课程介绍

对于刚接触深度学习计算机视觉的初学者来说，图像分类问题是最常见的问题，如何做好图像分类任务，关系到大家能否正确顺利地入门、读了许多论文，可能仍然不懂代码如何实现、跑了代码，仍旧不懂如何运用图像分类方法到自己项目中。

为了帮助初学者解决入门难的问题，有三AI推出《深度学习之图像分类-理论实践篇》课程，让你以最短的时间掌握深度学习图像分类的基础知识并进行代码实践。

另一方面，图像分类问题看起来简单，但是并不简单，其中细粒度分类，半监督与无监督图像分类，零样本分类问题是属于非常前沿的内容，值得掌握。

我们图像分类课程的大纲如下：

本系列课程有以下几个特点：

(1) 内容非常完备。涵盖了深度学习之图像分类的各个研究方向，如图像分类基础、多类别图像分类、细粒度图像分类，多标签图像分类，弱监督图像分类，零样本图像分类等，既有足够的宽度，也具备有足够的深度。

(2) 实践非常丰富。本次课程中一共已经包含了4个实践案例，分别为人脸表情分类实战，动物细粒度分类实战，生活用品多标签图像分类实战，基于血红细胞的图像分类竞赛技巧，从4大方向基于Pytorch实战来详解图像分类任务实践。

本次课程更新

之前我们说过，本平台所有课程的内容动态更新，并且已订阅的同学可以享受免费更新。本课程要详解整个图像分类领域的问题，因此随着该领域技术的发展，会进行更新！这次，今年该课程理论内容的更新就来了！本次由言有三本人录制，共6部分更新的内容，共计约4小时，包括：

(1) 图像基础讲解，包括问题定义，数据集，评估方法与优化目标，约45分钟。

(2) 多类别图像分类问题讲解，包括问题定义，基础模型，多类别分类问题难题，约45分钟，约40分钟。

(3) 细粒度图像分类问题讲解，包括问题定义，强监督与弱监督细粒度分类模型，约30分钟。

(4) 多标签图像分类问题讲解，包括问题定义，多标签分类的解决思路，约20分钟。

(5) 弱监督与无监督图像分类问题讲解，包括问题定义，典型弱监督，典型无监督模型，典型自监督解决思路，约30分钟。

(6) 零样本图像分类问题讲解，包括问题定义，零样本模型的分类与各自的特点，约15分钟。