免费课程

介绍了计算机视觉

通过
Georgia Institute of Technology

在佐治亚理工学院提供为CS 6476

nanodegree程序

深度学习

今天打造深的学习模式

由专门的导师支持AI打造尖端项目。

这个课程

这当然将介绍包括图像形成时,相机的成像几何形状,特征检测和匹配,多视点立体包括几何形状,运动估计和跟踪,分类和计算机视觉的基本原理。我们将开发用于查找已知的应用程序的基本方法包括的图像,模型,从立体相机标定,图像稳定,自动校准(例如全景),跟踪和行为识别深度恢复。我们不太关注机器学习CV这确实是最佳在毫升学习的分类理论课方面上。

该课程的重点是发展的直觉和方法讲座的数学,然后以了解和习题集理论与实际之间的差异。所有算法在幻灯片中正常工作。但要记住什么 约吉贝拉 说:从理论上讲,理论与实践之间没有什么区别。在实践中存在。 (爱因斯坦是这样说,但谁知道更多关于真实的生活?)在这个过程中,你不这样做,在大多数情况下,将高层次的库功能,但使用低到中等水平的算法来分析图像并提取结构信息。

当然成本
自由
时间线
约。 4个月
技能等级
中间
计入产品

丰富的学习内容

互动问答

由行业专业人士授课

自学

学生支持社区

加入路径伟大

这当然是你迈向一个新的职业生涯有了深刻的学习计划第一步。

免费课程

介绍了计算机视觉

通过Georgia Institute of Technology

提升你的技能,并通过创新,自主学习提高你的hirability。

Icon steps
 
 

当然线索

艾伦·博比克

艾伦·博比克

讲师

伊尔凡·萨

伊尔凡·萨

讲师

Arpan Chakraborty的

Arpan Chakraborty的

讲师

你将学到什么

前提条件和要求

  • 数据结构:你会写一个建立图像,功能和几何构造的代码表示。
  • Matlab的一个良好的工作知识和/或Python和numpy的。偶尔使用视频演示讲座MATLAB因为教练太旧的变化。习题集将在MATLAB或Python来完成。在下面的说明中提到的资源,可以用Matlab无论是开源版本或八度。
  • 这当然有超过许多数学课程CS:线性代数,矢量积分,和线性代数(即不是一个错字)。
  • 没有远见的先验知识假设虽与信号处理方面的经验是有帮助的。

看到 技术要求 使用Udacity。

为什么走这条路

已成为计算无处不在的图像。有时我们忘记捕捉图像往往从物理场景反射的光。你给这部分你洞察成像和分析的基本原理,以及能力像素级远高于中提取信息。这些技能是有意经营从多个在上下文感知方式的图像或图像的场景在哪里需要组合或有组织地适当有用的人。

我能得到什么?
影片教练通过做练习学习由业内专业人士教