1、培訓過程中，如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
       2、培訓結束后,授課老師留給學員聯系方式,保障培訓效果,免費提供課后技術支持。
       3、培訓合格學員可享受免費推薦就業機會。☆合格學員免費頒發相關工程師等資格證書，提升職業資質。專注高端技術培訓15年，端海學員的能力得到大家的認同，受到用人單位的廣泛贊譽，端海的證書受到廣泛認可。

• 階段1 圖像預處理
  第一部份：OpenCV 及圖像處理基礎
  知識點：圖像處理，灰度值提取，Histogram提取
  第二部份：OpenCV進階：圖像濾波，特征提取及匹配
  知識點：Sift，視覺和圖像變換, 邊緣檢測算法等
  第三部份：實踐：利用KNN算法和OpenCV進行手寫字符識別

  階段2: 創建自己的圖像識別神經網絡
  第四部份：深入理解神經網絡的前向傳遞和反向傳播及其物理意義
  知識點：Loss function，交叉熵代價函數，梯度下降法求導
  第五部份：訓練你自己的網絡，重點為調參和工作中用到的一些技巧
  知識點：Loss function，交叉熵代價函數，梯度下降法
  第六部份：卷積神經網絡（RNN）在圖像分類識別中的應用（附python編程和算法解析）
  知識點：數據輸入層，卷積計算層，激勵層（Sigmoid，Tanh，ReLu，ELU），池化層，全聯接層，Batch Normalization, 學習率
  第七部份：實踐，不使用任何工具包，訓練一個屬于你自己的神經網絡進行手寫字符識別

  系列3. 深度卷積神經網絡進階
  第八部份：不同的神經網絡類別和應用
  知識點：調參基本技巧，向量點積
  第九部份：深度卷積神經網絡原理及實踐
  知識點，神經網絡的遷移學習技巧
  第十部份：搭建圖片搜索系統，深入理解Triplet Loss 及其訓練技巧
  第十一部份：實踐：使用Tensorflow/Keras搭建神經網絡，進行圖像分類

  階段4: 目標檢測和LSTM標注法
  第十二部份： 目標檢測算法
  知識點：Fast RCNN , Faster RCNN, Yolo, SSD
  第十三部份：LSTM 標注學習
  第十四部份：實踐：使用Tensorflow/Keras在數據集上進行目標檢測