有三AI秋季划出炉，模型优化，人脸算法，图像质量等24个项目等你来拿
这是我们最后一次CV季划，关于春季划和夏季划的说明，大家可以阅读往期文章。
这个春天，有三最后一月的学习“季划”招生
秋季划的主题就一个字，“战”！这一次我们分3大方向，分别是模型优化组，人脸算法组，图像质量组。
为什么搞季划
为什么要搞季划，有三跟很多人都解释过，我们不做培训，但是会带一些徒弟。带这些徒弟的目标除了维持生活费收入，更重要的一点就是作为有三AI这艘船的人才储备，毕竟一起成长起来的人才最可靠。
不论是以后要成立的公司，还是有三AI内容平台，都会优先从自己培养的人才队伍中挑选成员，可以说季划学员就是我们明日之星。不论是成为合伙人，还是成为专栏作者，其中会有不少人成为平台将来的中坚力量。现在已经有一些学的不错的同学成为了专栏作者，就是很好的案例。星星之火可以燎原，AI这个舞台必有我们一席之地。
季划就是难度依次增加的学习小组，有三亲自带领，囊括一对一答疑，微信群和知识星球，线下活动，图文课件，代码，数据集以及视频。
春夏季划需要掌握的是编程基础，开源框架，图像基础，深度学习中的数据使用，模型设计和优化，训练和部署，分类分割检测跟踪重建等一系列项目，掌握拥有独立完成工程项目的能力。
秋季划简介与参与条件
而此次的秋季划，则开始分三大方向，模型优化，人脸算法，图像质量。当你在某一个领域里做到极致，便会成为该领域的专家，从此就真的有了立足之地。
参加秋季划有以下基本要求：
(1) 熟练掌握Python，会使用C++编程。
(2) 至少能使用Caffe，Tensorflow，Pytorch三大开源框架。
(3) 扎实的数字图像处理基础，熟练掌握OpenCV。
(4) 扎实的深度学习理论基础。
如果大家没有相关基础，就可以先去准备好相关基础，如果想要在有三平台进行学习，就从春，夏季划开始，简介上面已经有链接，自己点击就可以阅读，或者添加文末有三的微信答疑。
模型优化组
模型优化小组的目标，就是掌握深度学习模型设计，调参，优化，部署。需要学习的东西包括8大项目：数据使用，模型使用和调参，模型性能分析，紧凑模型设计，模型剪枝，模型量化，模型部署，NAS。
数据使用
数据使用项目包括：
(1) 如何针对自己的任务搜集，整理数据
(2) 如何对数据的质量进行分析
(3) 如何选择好数据的尺度
(4) 图像分类等基本任务中的数据增强实战
模型使用和调参
模型使用和调参项目包括：
(1) 如何针对自己的任务选择好基准模型架构
(2) 如何设计和改进模型
(3) 如何对模型进行训练调参
模型分析
模型分析项目包括：
(1) 如何对模型进行可视化
(2) 如何对模型的计算量和参数量进行分析
紧凑模型设计
紧凑模型设计项目包括：
(1) 如何压缩大模型
(2) 如何设计小模型
(3) 如何保障小模型的性能
模型剪枝
模型剪枝项目包括：
(1) 模型剪枝理论学习
(2) Tensorflow等模型剪枝开源框架使用
模型量化
模型量化项目包括：
(1) 模型量化理论学习
(2) Tflite/TensorRT等模型量化工具的使用
模型部署
模型部署项目包括：
(1) ONNX的熟悉和使用
(2) MACE/MNN的熟悉和使用
自动化模型设计(NAS)
自动化模型设计项目包括：
(1) NAS基础理论学习
(2) AutoKeras等NAS工具使用
人脸算法
人脸算法小组需要掌握当前人脸图像领域的主要算法，学习的东西包括8大项目：人脸检测，人脸关键点检测，人脸识别，人脸属性分析，人脸分割，人脸美颜，人脸编辑与风格化，三维人脸重建。
人脸检测
人脸检测项目包括：
(1) 通用的人脸检测算法，掌握大姿态，遮挡，小脸检测技术原理
(2) 人脸检测项目实践
关键点检测
关键点检测项目包括：
(1) 通用的人脸关键点检测算法，大姿态，有遮挡的关键点检测算法，人脸关键点跟踪算法原理
(2) 人脸关键点检测项目实践
人脸识别
人脸识别项目包括：
(1) 通用的人脸识别算法，遮挡，跨年龄的人脸识别算法原理
(2) 人脸识别项目实践
人脸属性分析
人脸属性分析项目包括：
(1) 人脸表情，颜值，年龄等算法原理
(2) 人脸属性分析项目实践
人脸属性分割
人脸属性分割项目包括：
(1) 图像分割模型设计和优化方法
(2) 人脸属性分割项目实践
人脸美颜与美妆
人脸美颜项目包括：
(1) 通用美颜技术如磨皮美白，大眼，瘦脸以及化妆算法原理
(2) 人脸美颜项目实践
人脸编辑与风格化
人脸编辑项目包括：
(1) 通用的编辑技术，如表情迁移，姿态迁移，换脸等
(2) 人脸编辑项目实践
人脸重建
人脸重建项目包括：
(1) 传统优化和深度学习三维人脸重建算法原理
(2) 三维重建项目实践
图像质量
图像质量小组需要掌握与图像质量相关的内容，学习的东西包括8大项目：图像质量评价，图像构图分析，图像降噪，图像对比度增强，图像超分辨，图像去模糊，图像风格化，图像修复。
图像质量评价
图像质量评估项目包括：
(1) 图像质量评估，美学评估算法原理
(2) 图像质量评估项目实践
图像构图
图像构图分析项目包括：
(1) 显著目标检测与图像构图算法原理
(2) 图像构图项目实践
图像降噪
图像降噪项目包括：
(1) 传统图像与深度学习图像降噪算法原理
(2) 图像降噪项目实践
图像对比度与色调增强
图像对比度增强与色调增强算法项目包括：
(1) 传统图像与深度学习图像增强算法原理
(2) 图像增强项目实践
图像超分辨
图像超分辨项目包括：
(1) 传统图像与深度学习超分辨算法原理
(2) 图像超分辨项目实践
图像去模糊与锐化
图像去模糊与锐化项目包括：
(1) 传统图像与深度学习图像锐化和去模糊算法原理
(2) 图像去模糊项目实践
图像风格化
图像风格化项目包括：
(1) 传统图像与深度学习图像风格化算法原理
(2) 图像风格化项目实践
图像修复
图像修复项目包括：
(1) 传统图像与深度学习图像修复算法原理
(2) 图像修复项目实践
学习方式
1，学习形式
根据难度每一到两周一个项目，从11.4号开始，至春节前结束，每周项目学习需要完成推荐资料的阅读和项目实践，之后尽量参加一个相关的比赛。具体资料包括：
(1) 与项目配套的录制视频。
(2) 与项目配套的开源资料。
(3) 与项目配套的代码数据。
(4) 永久有效的相关微信群。
(5) 有三AI知识星球社区。
2，学习建议
报名模型优化+人脸或者模型优化+图像质量组，不建议报三个组。所有的内容都是先学习理论，再进行实践，时间分配约1:1。
3，寄语
这一次我们有明确统一的时间规划，但是其实要想做好每一个方向，短时间肯定是不够的，后面永久存在的技术讨论群，有三的答疑，有三AI知识星球才是最有价值的，请大家仔细评估是否加入。由于有很多人想着盗取有三AI的资源，因此会做相关防盗策略，资料分批发放，也是为了大家能够真正更好的消化相关内容。
秋季划与春夏季划相比
秋季划与春夏季划有几点不同：
(1) 不提供额外项目辅导，即讨论内容仅限群内相关主题讨论
(2) 没有图像基础，开源框架等基础内容，所以欠缺的同学需要自备相关技术
(3) 群里自由组队参加相关比赛
秋季划与春夏季划相同之处：
(1) 学习时间永久有效
(2) 有三及时指导(没有助教)
费用