正在播放：OpenCV+TensorFlow 深度学习

只要你对计算机视觉技术感兴趣或是想要学习OpenCV和TensorFlow，那本课程非常适合你技术储备要求。了解 python 基础语法/了解线性代数等数学基础

第1章 课程导学

包罗课程概述、课程安排、学习前提等方面的介绍，让同学们对计算机视觉有所理解

第2章 计算机视觉入门

通过OpenCV以及TensorFlow两个方面介绍计算机入门的相关知识。OpenCV侧重点在于为大家补充图像处理的相关基础，如像素、文件封装格式、灰度等级、颜色通道等的概念。TensorFlow重点在于通过对常量、变量、矩阵等的介绍，学习并掌握TensorFlow的基本使用。...

第3章 计算机视觉加强之几何变换

教程目录：

1-1 计算机视觉导学

2-1 本章介绍

2-10 案例4：像素读取写入

2-11 tensorflow常量变量定义

2-12 tensorflow运算原理

2-13 常量变量四则运算

2-14 矩阵基础1

2-15 矩阵基础2

2-16 矩阵基础3

2-17 numpy模块使用

2-18 matplotlib模块的使用

2-19 小综合：人工神经网络逼近股票价格1

2-2 Mac下一站式开发环境anaconda搭建

2-20 小综合：人工神经网络逼近股票价格2

2-21 小综合：人工神经网络逼近股票价格3

2-22 小综合：人工神经网络逼近股票价格4

2-3 Windows下一站式开发环境anaconda搭建

2-4 测试案例helloWorld

2-5 案例1：图片的读取和展示

2-6 Opencv模块组织结构

2-7 案例2：图片写入

2-8 案例3：不同图片质量保留

2-9 像素操作基础

3-1 本章介绍

3-10 图片缩放

3-11 图片仿射变换

3-12 图片旋转

3-13 图片几何变换小结

3-2 图片缩放1

3-3 图片缩放2

3-4 图片缩放3

3-5 图片剪切

3-6 图片位移1

3-7 图片移位2

3-8 图片移位3

3-9 图片镜像

4-1 图像特效介绍

4-10 边缘检测2

4-11 浮雕效果

4-12 颜色映射

4-13 油画特效

4-14 图像特效小结

4-15 线段绘制

4-16 矩形圆形任意多边形绘制

4-17 文字图片绘制

4-2 图像灰度处理1

4-3 图像灰度处理2

4-4 算法优化

4-5 颜色反转

4-6 马赛克

4-7 毛玻璃

4-8 图片融合

4-9 边缘检测1

5-1 美化效果章节介绍

5-10 磨皮美白

5-11 高斯均值滤波

5-12 中值滤波

5-13 图像美化章节小结

5-2 彩色图片直方图

5-3 直方图均衡化

5-4 图片修补

5-5 灰度直方图源码

5-6 彩色直方图源码

5-7 灰度直方图均衡化

5-8 彩色直方图均衡化

5-9 亮度增强

6-1 机器学习章节介绍

6-10 SVM支持向量机1

6-11 SVM支持向量机2

6-12 SVM小结

6-13 Hog特征1

6-14 Hog特征2

6-15 Hog特征3

6-16 Hog特征4

6-17 Hog小结

6-18 Hog_SVM小狮子识别1

6-19 Hog_SVM小狮子识别2

6-2 视频分解图片

6-20 Hog_SVM小狮子识别3

6-21 Hog_SVM小狮子识别4

6-22 Hog_SVM小狮子识别5

6-23 机器学习小结

6-3 图片合成视频

6-4 Haar特征1

6-5 Haar特征2

6-6 Haar特征3

6-7 adaboost分类器1

6-8 adaboost分类器2

6-9 Haar+adaboost人脸识别

7-1 章节介绍

7-10 knn数字识别8

7-11 knn数字识别9

7-12 knn数字识别10

7-13 cnn实现手写数字识别1

7-14 cnn实现手写数字识别2

7-15 cnn实现手写数字识别3

7-16 cnn实现手写数字识别4

7-17 cnn实现手写数字识别5

7-18 cnn实现手写数字识别6

7-19 数字识别小结

7-2 样本介绍

7-3 knn数字识别1

7-4 knn数字识别2

7-5 knn数字识别3

7-6 knn数字识别4

7-7 knn数字识别5

7-8 knn数字识别6

7-9 knn数字识别7

8-1 章节介绍

8-2 最简单的图片爬虫

8-3 ffmpeg初识_音频.mp4

8-4 OpenCV预处理

8-5 神经网络训练识别1

8-6 神经网络训练识别2

8-7 神经网络训练识别3

8-8 神经网络训练识别4

8-9 本章小结

9-1 课程总结

本章节主要为大家介绍图像的几何变换。几何变换顾名思义就是对图片外形轮廓进行操作以适应不同的场景。如缩放、剪切、位移、镜像、旋转、仿射变换等。

第4章 计算机视觉加强之图像特效&线段文字绘制

视频滤镜也是目前在计算机算法处理上比力火的一个标的目的之一，在本章节中将结合灰度、底板、马赛克、毛玻璃、边缘检测、油画效果等为大家介绍视频滤镜的使用

第5章 计算机视觉加强之图像美化

每个人都有一个爱美的心，在这个章节中大家可以通过磨皮美白、亮度增强、直方图均衡化、图像滤波等方法本身美化本身的照片。

第6章 计算机视觉加强之机器学习

本章节将结合haar+adaboost以及hog+svm别离实现人脸识别、卡通小狮子识别。将为大家介绍一个从训练到识别一个完整的机器学习案例。

第7章 手写数字识别

通过knn、cnn两种方式，并结合每种方法的矩阵维度变化，深层次的讲解手写数字识别案例，讲述不一样的案例。

第8章 “刷脸”识别

在第六章的基础上，通过识别某个具体的人脸来达到“刷脸”的效果。该案例架构包含样本收集+图像预处理+神经网络训练识别。可以说是一个从样本到训练的完整项目。

第9章 课程总结

对课程进行整体的回顾与总结