【视频课】深度学习CV算法必须掌握的内容，详解各种图像分类算法！
前言
第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用。
第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类。
第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，目标跟踪。
第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑。
第5层：掌握算法落地的关键技术，包括模型优化，模型部署。
其中部分课程的主体内容已经更新完毕，比如数据使用/图像分类/目标检测；部分课程正在重制更新中；比如模型优化/模型部署，部分课程正在计划上线中，比如图像编辑/视频分析，请大家及时关注！
本次给大家介绍的课程内容是《深度学习之图像分类》，目标是帮助大家掌握好深度学习图像分类问题。
为什么要学习这门课
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、如何学习接下来更加高阶的内容。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。
子欲学CV算法，必先彻底搞定图像分类！这就是我们这一门课期望帮大家搞定的问题！下面请听课程的详细介绍！
课程内容介绍
本课程内容包括图像分类的各个领域的算法与实践，时长超过10个小时，理论与实践内容非常丰富：
(1) 理论非常完备。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5个Pytorch实战案例，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，通过这些实战案例可以详解了解图像分类任务全貌。
课程大纲如下：
课程大纲
下面简单了解一下各部分的内容：
(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，本小节内容可以免费收听。
(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。
(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。
(8) 表情分类复杂模型实战，讲解ResNet模型搭建，数据增强代码实现，模型训练与测试，约120分钟。
(9) 细粒度分类模型实战，讲解CUB-2011数据集读取，BCNN模型搭建，模型训练，约40分钟。
(10) 多标签分类模型实战，讲解VOC多标签数据读取与标签构建，模型搭建与训练，模型评估，约120分钟。
(11) 基于血红细胞图像分类的竞赛技巧实战，讲解竞赛的常见思路，数据集的统计分析，网络模型的构建，学习率调整，标签平滑，知识蒸馏，投票策略，TTA策略等技巧，约180分钟。
本课程讲师为言有三与郭冰洋，其中言有三讲解前面7课，郭冰洋讲解后面4课，讲师简介如下：
言有三
龙鹏，笔名言有三，技术社区《有三AI》创始人。先后就读于华中科技大学(2008-2012)，中国科学院半导体研究所神经网络实验室(2012-2015)，先后就职于奇虎360人工智能研究院(2015.7-2017.5)，陌陌科技深度学习实验室(2017.5-2019.3)，深度学习算法专家，阿里云MVP，华为云MVP。
拥有超过7年的计算机视觉从业经验，拥有丰富的传统图像算法和深度学习计算机视觉项目经验，著有书籍《深度学习之图像识别：核心技术与案例实战》(机械工业出版社2019.4)，《深度学习之模型设计：核心算法与案例实践》(电子工业出版社2020.6)，《深度学习之人脸图像处理：核心算法与案例实战》(机械工业出版社2020.7)，《深度学习之摄影图像处理：核心算法与案例精粹》(人民邮电出版社2021.4)，拥有10余项发明技术专利与学术论文。
擅长领域：Caffe，Tensorflow，Pytorch等主流深度学习平台。神经网络与深度学习理论，深度学习模型设计与优化，计算机视觉的基础领域，AI美学，2D与3D人脸算法，生成对抗网络GAN等领域。
郭冰洋，东北大学博士，有三AI专栏作者与视频课作者。
本课程特色与适合人群
本课程有以下特色：
(1) 理论部分完善。虽然图像分类属于CV领域最基础的内容之一，但是本专栏兼顾了深度与宽度，不仅介绍了基础的图像分类，还介绍了细粒度与多标签，无监督与半监督图像分类问题。
(2) 实践案例丰富。课程对每一个重点方向都介绍了实践案例，共有5个案例实践(如下图)，并配套有代码与数据集，可循序渐进学习。
案例示意图
本课程适合人群：
(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。
(2) 掌握了Python，深度学习基础概念等预备知识的技术人员。
(3) 学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握：
(1) 图像分类各领域的主流算法。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
(4) 了解计算机视觉竞赛工程技巧。
如何获取课程
订阅本课程的方法有两个：
其一：参加有三AI任意的CV季划，可以获得完整的课，介绍如下：
有三AI计算机视觉学习季划
有三AI季划是我们推出的终身计算机视觉培养计划，有三作为主要导师直接带领，囊括答疑，微信群交流，线下活动，多本自写的书籍，图文课件与代码，直播与直播，知识星球社区，内容组与研发组权限，了解详细请阅读以下文章：
【CV夏季划】2021年有三AI-CV夏季划出炉，冲刺秋招，从CV基础到模型优化彻底掌握
其二：单独订阅本视频专栏，本专栏定价为199，随着后续内容增加可能会进行价格调整，感兴趣的请提前订阅，链接如下：