本章主要介绍深度学习的基础知识:人工智能主要是靠数据和算法来驱动,以及神经网络中感知积,卷积神经网络等基础知识介绍,以及CPU、GPU和TPU的架构。
本章主要介绍SE5硬件平台,BM1684芯片架构和BMNNSDK工具链的架构。
本章主要是一些基础实验,Linux基本操作,Python的基础编程,以及TensorFlow和Pytorch入门实验。
本章介绍图像分类概念和发展,几种典型的图像分类的神经网络,最后基于LeNet5(TensorFlow和Pytorch模型)和ResNet神经网络,完成模型的训练,转换和推理运行的整个过程。
本章介绍目标检测的概念和发展,几种常见的目标检测网络模型,最后基于YOLOv5完成目标检测模型的训练,转换和推理。
本章介绍循环神经网络的原理,包括循环神经网络,长短记忆网络和门控循环单元,最后通过基于LSTM的股票预测,来学习循环神经网络的训练,转换和推理的过程。
本章分别介绍人脸检测,对齐和识别的神经网络,最后通过基于RetinaFace和InsightFace实现人脸识别的整个流程。
本章介绍语义分割的概念,语义分割的数据集和典型网络介绍,最后基于ICNet神经网络实现道路场景分割。
本章介绍实例分割的概念,实例分割的数据集和典型网络介绍,基于Mask R-CNN神经网络实现实例分割。
本章介绍压缩感知和图像重建,以及常见的压缩感知和图像重建的神经网络,最后基于ReconNet网络实现图像重建,包括模型的训练,转换和SE5实现推理的过程。