小组科研:基于深度学习的图像理解和图像生成-新东方前途出国

您的位置:首页>顾问中心>李明帅>日志>小组科研:基于深度学习的图像理解和图像生成

欢迎向我提问

*顾问预计24小时内解答,并通过短信方式通知您

留学顾问李明帅

李明帅

美研部尊享规划师

    获取验证码
    向TA提问

    温馨提示

    您当前咨询的顾问所在分公司为 北京 为您推荐就近分公司 上海 的顾问

    继续向李明帅提问 >
    预览结束
    填写信息下载完整版手册
    获取验证码
    一键解锁留学手册
    在线咨询
    免费评估
    留学评估助力院校申请
    获取验证码
    立即评估
    定制方案
    费用计算
    留学费用计算器
    电话咨询
    预约回电

    顾问将于15分钟内回电

    立即预约
    咨询热线

    小语种欧亚留学
    400-650-0116

    导航

    小组科研:基于深度学习的图像理解和图像生成

    2020-08-26

    项目背景 Program Background

    近年来,无论是海外留学还是国内硕士、博士申请,越来越多的高分成绩单,已经让标化成绩作为筛选标准的作用逐渐降低。而通过科研项目、研究计划、学术论文等软性材料则是能够近一步展示申请人学术科研潜质的有利证明。

     

    一方面,在学生提供的申请材料中,当学生拥有与申请专业方向相关的科研经历和学术论文成果时,学生在筛选或面试中获得导师加分的几率将大大增加。

     

    另一方面,通过与国内外名校教授的交流,我们发现“拥有丰富的科研经验甚至论文发表成果”这一点也是导师最为看重的,在申请前就有科研经历的学生会让导师省心不少,更容易受到导师的认可与青睐。

     

    名校导师在线小组科研项目中,国内双一流大学的导师将指导学生完成高含金量的课题研究,提升学生科研学术背景,锻炼科研能力,产出高水平的学术论文报告,增加学生申请的闪光点,帮助海外留学申请、国内考研保研的学生从众多申请者和“标化成绩”中脱颖而出

     

    2

    项目介绍 Program Description

    图像理解是一门交叉学科,作为图像理解的低层数据的是视觉信息,理论出发点是计算机视觉,作为图像理解的高层数据是知识信息,理论依据出发点是人工智能。从研究的广泛性看,图像理解的处理信息分为视觉数据信息和人类知识信息两部分,前者侧重原始获取的数据信息以何种结构存储在计算机中,后者侧重知识的表述如何指导计算机的理解过程,两部分表示相辅相成。

     

    本项目通过图像理解以及图像生成专题的科研实训,系统学习图像和视频处理的相关基础知识,掌握经典的和基于深度学习的计算机图像理解和视觉方法,以及基于深度学习的图像生成方法,通过印章识别、文字判别、车辆识别、性别区分等案例,讨论了特征提取和分类判别的方法,分析了计算机视觉理解的原理,研究了适用于不用应用的神经网络的构成。学生通过项目最终可以获得图像处理的一般方法和基于深度学习进行图像识别和理解的经验。

     

    3

    适应人群 Targeting Students

    准备出国留学申请、或国内保研、考研的学生,包括:

    ·        做“出国+保研”双重准备的学生

    ·        需要学术科研背景提升的学生

    ·        想要获得标化成绩外“科研经历+学术论文”加分项的学生

    计算机方向,包括图像和视频处理、计算机科学、信息管理、人工智能、内容和信息安全、软件工程、新闻传媒等相关专业的学生,并有相关基本知识基础。

     

    4

    导师介绍 Instructor Introduction

    王老师

    武汉大学 计算机学院 教授

    英国伦敦大学 博士

     

    研究方向:

    计算机科学、图像和视频处理、软件工程、信息安全、人工智能等

     

    曾先后在名校从事教学和科研,以及华为从事科技开发近30年,先后主持完成科研项目20多项,开发高科技产品10多项。近10年发表包括在IEEE TIP内的国际学术期刊和会议论文60多篇,科技专著1(Science Press),授权发明专利8项。担任国际学术大会主席20+次,作大会报告30+次。曾担任2个国际学术期刊主编。

     

    5

    项目大纲 Syllabus

    第一节课

    主题:图像信息与数据表达,图像处理经典方法

    ·        信息、数据和信号

    ·        图像空域特征

    ·        图像变换及其频域特征

    ·        图像处理的本质

     

    第二节课

    主题:图像理解和计算机视觉

    ·        图像相似性比对和图像质量的测度

    ·        图像理解的常规方法

    ·        计算机视觉的难点

    ·        图像理解应用案例的原理

     

    第三节课

    主题:人工智能、机器学习、深度学习的内涵和外延,深度学习的应用条件。

    ·        模式识别和图像分类

    ·        无监督学习、有监督学习

    ·        基于深度学习解决经典问题的步骤、优点和代价

     

    第四节课

    主题:深度学习网络的典型基本构件及其相关功能解析,尤其以CNN为例。

    ·        卷积和反卷积

    ·        CNN各层的设置和作用

    ·        常见网络结构特点及其应用

     

    第五节课

    主题:基于深度学习的图像理解

    ·        适于图像理解的网络结构

    ·        影响图像理解准确率的因素分析

    ·        军民应用案例及其原理,含机器人、无人机、无人安防等

     

    第六节课

    主题:基于GAN/VAE的“真实”图像的生成及其应用

    ·        图像生成与图形生成的异同

    ·        图像生成网络的构建

    ·        GAN的机理

    ·        变分推断和基于VAE图像生成

     

    第七节课

    主题:项目报告/论文展示与答辩

     

     

    6

    时间安排与收获 Schedule and Outcome

    时间安排:

    ·        7周项目科研+4周国外论文辅导

    ·        12课时主导师课+12课时助教课+2课时答辩+4课时论文辅导,共计30课时

    收获:

    ·        研究报告

    ·        纸质版主导师签名推荐信1+网推8

    ·        结业证书

    ·        国外EI/CPCI级别国际会议全文论文投递与发表指导(共同第一作者)

    ·         

    更多详情
    -老师帮忙评估

    自身软实力标化成绩多维度为您评估留学录取率

    立即评估
    推荐阅读 换一换
    提交成功

    稍后会有顾问老师反馈评估结果

    温馨提示

    您当前咨询的 李明帅 顾问,所在分公司为 - ,已为您推荐就近分公司 - 的顾问。

    以下为-分公司顾问:

    继续向李明帅提问