培训目标：

· 快速掌握：高效学习图像算法核心知识点与实战技巧

· 代码落地：通过Python+OpenCV/PyTorch实现经典算法

· 应用导向：结合工业场景（安防/医疗/自动驾驶）讲解优化方法

1.基础与经典算法实战

图像处理基础与OpenCV实战

1. 图像算法概述

o 计算机视觉应用场景（工业检测/医学影像/自动驾驶）

o 传统方法 vs 深度学习的优劣对比

2. OpenCV核心操作

o 图像读写/ROI提取/色彩空间转换（RGB/HSV/Lab）

o 图像增强：直方图均衡化/CLAHE/伽马校正

3. 特征提取实战

o 边缘检测（Canny/Sobel）

o 角点检测（Harris/SIFT）

o 代码实战：基于特征的图像拼接

 深度学习CV入门与分类检测

1. 卷积神经网络（CNN）速成

o CNN核心结构（卷积/池化/全连接）

o PyTorch/Keras快速搭建模型

2. 图像分类实战

o 手写数字识别（MNIST）

o 迁移学习：ResNet18训练自定义数据集

3. 目标检测入门

o YOLOv5原理与代码解析

o 实战：COCO数据集目标检测训练

2.进阶模型与工业优化

分割与生成模型

1. 图像分割技术

o 语义分割（UNet） vs 实例分割（Mask R-CNN）

o 实战：医学影像病灶分割

2. 生成对抗网络（GAN）

o DCGAN生成手写数字

o StyleGAN2人脸生成（预训练模型体验）

部署优化与行业案例

1. 模型轻量化与部署

o 量化（TensorRT） / 剪枝 / 知识蒸馏

o 实战：将YOLOv5部署到树莓派

2. 工业场景难题解析

o 小样本学习（Few-shot Learning）

o 数据标注技巧与自动化工具

3. 结业项目

o 综合实战：工业缺陷检测系统（从数据标注到模型部署）