时间 | 主题 | 内容 |
第一天 | 上午 | 深度学习基础 | 1、人工智能、机器学习与深度学习深度学习基本原理 2、深度学习模型与卷积神经网络 3、tensorflow和pytorch深度学习框架学习 |
深度学习模型 | 1、训练方法，特征空间，泛化能力； 2、分类与聚类，有监督和无监督，特征降维； 3、目标检测模型YOLOv5原理 4、视频目标检测案例分析——车辆管理与收费系统 1）视频车牌识别 2）视频车型识别 3）应用程序总体流程和代码详解 |
视频目标检测模型 |
第一天 | 下午 | 卡尔曼滤波基本原理 | 1、矩阵形式状态建模 2、外部影响与不确定性建模 3、五个基本方程 4、预测和更新过程 5、卡尔曼滤波的主要应用 |
下午 | 卡尔曼滤波在视频目标追踪领域的应用 | 1、行人目标追踪案例学习 1）完整流程代码解读 2）模型参数调整和优化 3）应用程序部署方法 |