1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
        2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
        3、培训合格学员可享受免费推荐就业机会。

• 让学员能够联合使用Opencv和Tensorflow，完成深度学习案例开发。1、通过Heatmap特征的讲解，认识其原理，并通过Opencv设计自己的样本标注工具。2、通过实际问题设计loss_function,并使用迁移学习的思想构建网络模型，训练模型。3、通过两个示例实现目标识别及其定位回归。
  适用人群
  想从事深度学习相关工作的或是对于人工智能、深度学习感兴趣人，想将深度学习技术引入项目或是产品中。
  课程简介
  本课程主要基于Heatmap特征的目标识别及其目标定位及回归，系统平台基于windows10，使用软件平台包括vs2013和Anacond、Tensorflow-1.4.0、Opencv2410、Opencv-python。
• 仔细讲解、分析，带领大家理解Heatmap特征，借鉴Openpose的相关迁移学习相关思想，实现自己的网络模型（该模型同时具有识别和定位回归的功能）。
• 通过Opencv设计一个关于Heatmap的标注工具，让学员可以轻松的制作自己的heatmap特征的标注数据集，提供工程源码，供给学员研究和拓展。
• 另外透彻讲解基于Heatmap特征的模型构造，及其loss_function设计，一步步代理大家使用Tensorflow进行模型编写及训练，最后通过两个示例将训练好的模型进行人的头部和眼睛的识别和位置定位回归。
•  
• 具体：
• 第一章：
• 1.1 课程内容简介
• 第二章
• 2.1 Heatmap特征分析
• 2.2 基于Heatmap特征的样本制作
• 第三章：
• 3.1 制作tfrecords样本数据集
• 3.2 构建网络模型
• 3.3 训练网络模型（包括网络模型的2次训练，即在已有模型的基础上进行再次训练）
• 第四章：
• 4.1 目标识别及定位示例--人脸识别及定位。
• 4.2 目标识别及定位示例--人眼识别及定位。
  第1章课程内容简介
  1-1课程内容简介
  第2章关于heatmap样本特征 分析及制作
  2-1heatmap特征分析
  2-2基于heatmap特征的样本制作
  第3章构建深度学习模型及训练
  3-1制作tfrecords样本数据集
  3-2构建heatmap网络模型
  3-3训练heatmap网络模型
  第4章使用训练好的模型 进行目标识别及定位示例
  4-1人脸识别及定位
  4-2人眼识别及定位