本课程内容包括图像分类的各个领域的算法与实践，时长超过10个小时，分为3大模块，5个实践案例。包括图像分类的理论知识和实践内容，内容详细，案例丰富，下面是当前课程的大纲脑图：
(1) 理论部分内容包括：涵盖了深度学习图像分类各个方向的理论知识，如图像分类基础、多类别图像分类理论、细粒度图像分类理论、多标签图像分类理论、半监督与无监督图像分类、零样本图像分类等，既有足够的广度，也具备足够的深度。我们会非常详细地讲解理论中的细节知识，帮助大家学懂学会；
(2) 实践非常丰富：本次课程中一共已经包含了5个实践案例，分别为从零完成人脸表情识别案例实践、简单图像分类数据增强实战、鸟类动物细粒度分类实战、生活用品多标签图像分类实战、基于血红细胞的图像分类竞赛技巧，通过这些实战案例可以彻底掌握图像分类任务的实战技巧。
3大模块分为基础内容，进阶内容，以及拓展内容。
(1) 基础内容包括图像分类基础，多类别图像分类理论与实战，数据增强实战等。
(2) 进阶内容包括细粒度图像分类理论与实战，多标签图像分类理论与实战。
(3) 拓展内容包括半监督与无监督，零样本图像分类理论，图像分类竞赛实战。
下面简单了解一下课程各部分的大体内容：
(0) 课程简介，包括图像分类课程介绍。
(1) 图像分类基础，包括图像分类基本概念，经典数据集，评估指标，优化目标，约45分钟，本小节内容可以免费收听。
(2) 多类别图像分类理论，包括基本概念，多类别分类经典模型，多类别分类经典难题，约45分钟，本小节内容可以免费收听。
(3) 从零完成人脸表情识别实践，包括项目背景，数据处理与读取，模型搭建与训练，模型测试，约62分钟，本小节内容可以免费收听。
(4) 简单图像分类数据增强，包括接口介绍，实验比较，约30分钟，本小节内容可以免费收听。
(5) 细粒度图像分类理论，包括基本概念，弱监督模型，强监督模型，约30分钟。
(6) 鸟类细粒度图像分类实战，包括项目简介，数据读取，模型搭建与训练，约30分钟。
(7) 多标签图像分类理论，包括多标签图像分类问题以及相应的解决方案，约20分钟。
(8) 生活用品多标签图像分类实战，包括内容简介，数据读取及标签构建，模型搭建及训练，约130分钟。
(9) 半监督与无监督分类理论，包括基本概念，有监督分类模型与无监督分类模型，约30分钟。
(10) 零样本分类理论，包括零样本分类基本概念与相关模型，约15分钟。
(11) 血红细胞图像分类竞赛，包括内容简介，思路分析，数据集的统计分析，网络模型构建，模型训练，学习率调整，标签平滑，知识蒸馏，投票策略，TTA策略，约120分钟。
(12) 不定期直播答疑，课程配套有直播答疑，目前已经有3次直播，会讲解拓展内容以及进行课程内容答疑。
本课程适合人群：
(1) 所有学习人工智能/深度学习算法，并有志于从事该领域的人员。
(2) 掌握了Python，深度学习基础概念等预备知识的技术人员。
(3) 学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握：
(1) 图像分类各领域的主流算法。
(2) 熟悉Pytorch项目实践。
(3) 掌握计算机视觉项目的完整流程。
(4) 了解计算机视觉竞赛工程技巧。
