您的位置 首页 培训资讯

斯坦福热门科研!计算机视觉方向课题:利用深度学习探测房间整洁度

参加此次科研,对于我而言是万丈高楼平地起,因为我之前没有接触过计算机领域,对编程、神经网络这些我也都没有很好的了解和基础。本次科研里的课程像python的编程网课和项目的课程会帮助像我这样的初学者打下良好的基础。

其中有一次KNN算法的作业,老师给出的竟然是一个压缩包里面有关于KNN底层实现的文件,非常细致!老师解释说这是因为想要培养我们写代码和做项目的好习惯,不要把所有内容都放到一个文件里,要懂得拆分且逻辑严谨,结构清晰,不仅自己可以读懂,别人也能读懂。

——From电子科技大学 Z同学

/////////

本期科研实践将带领学生们通过基于卷积神经网络的计算机视觉项目实战,搭建一个基于深度神经网络的房间整洁度检测器,近距离接触计算机视觉与人工智能领域的先进技术。

通过一系列人工智能与机器学习项目实战,让同学们能够对深度学习与计算机视觉的理论与应用场景产生直观的认识,进而激发学生探究人工智能前沿技术的兴趣,提高学术综合素质水平。

导师将带领同学们:

通过课程掌握基本机器学习的概念,理解卷积神经网络;

通过课后作业及课程项目掌握如何搭建卷积神经网络并解决实际图像分类问题;

项目导师

斯坦福大学 | 计算机视觉方向博士

研究方向:人工智能及其应用、机器人等

项目安排

本项目为线上热门科研,导师授课、练习实战+分组研讨结合,完成课题学习、研究实战探索及报告撰写。

Phase 1| 预习阶段 2-week

导师提供必要的阅读材料、课程及练习题,为在线课程做预习,补充知识短板。

Phase 2|导师授课+研讨答疑 6-week

Week 1:计算机视觉基础

讲解计算机视觉基础,了解计算机视觉发展历史,了解目前计算机视觉的几个主要前沿研究课题;

学习如何进行图像分类,了解图像分类问题中的不同难点,掌握图片在计算机中存储格式及处理手段,掌握图像分类的不同算法;

了解训练集、验证集与测试集的作用,掌握欠拟合与过拟合的概念;

完成kNN算法进行手写字符识别项目

Week 2:深度神经网络

讲解多层感知器算法、损失函数及反向传播原理;

深入介绍卷积神经网络的结构以及特征抽取的方式;

简要介绍递归神经网络结构

Week 3:代码讲解

深度学习框架介绍(tensorflowpytorch)

示例代码解析

Week 4:实战技巧

承上,深度学习框架介绍(tensorflow、pytorch);

神经网络实战训练技巧

Week 5:计算机视觉进阶算法专题

分组自主学习+课堂展示;

互动教学;

Lenet/AlexNet/VGG/Resnet/Densenst

Week 6:答辩

学生分组答辩介绍展示自己打算使用的模型+Q&A

Phase 3| 报告撰写+导师反馈 1-week

Week 7:完成报告撰写,导师做出最终反馈

* 课后每周至少 6h自我学习+作业完成时间

项目适合

适合想要申请国外计算机科学(CS),电子工程(EE)、数据科学(DS)等相关学科,但相关经历不够丰富,或者转专业科研入门的本科生;

该项目主要针对想要入门深度学习且懂得基础python编程的同学。若有其他编程基础,没有用过python的同学也不需要担心,爱科研将提供python网课,帮助你学习;

若有其他编程基础,没有用过python的同学也不需要担心,爱科研将提供python网课,帮助你学习;

对于人工智能感兴趣,想要了解深度学习和计算机视觉的社会学者;

项目收获

通过补充科研经历,获得校园之外的高端科研实践机会:

导师签字的项目结业证明;

一段与CS相关的实战科研经历,产出一份计算机视觉(CV)相关的高质量科研报告;

培养科研中团队协作的能力及如何提出问题并解决问题的思维能力,提前适应海外高校的学习模式;

开始时间

2021年 7月(暑期)

授课方式

远程线上 科研小班

名额有限 占位从速

报名方式

添加“Charm老师”,备注“斯坦福CV”

了解项目详情,提前占位

↓↓ 点击下图查看往期学员亲历分享 ↓↓
更多科研项目招募中,背景早规划,申请不慌张

↓↓识别相应二维码,查看项目列表↓↓

为您推荐

返回顶部