作为计算机视觉中的核心任务之一,在智能视频监控、自动化检测、工业检测等领域应用中目标检测发挥了巨大的作用。同时,随着深度学习的广泛应用,目标检测的精确度和效率都得到了较大的提升,但基于深度学习的目标检测仍面临着改进与优化关键技术的挑战。
在目标检测器中,Backbone是基本特征提取的重要组成部分,如SSD采用VGG,YOLO采用DarkNet,Faster R-CNN采用ResNet,检测器的性能在很大程度上取决于它。
但是,大多数目标检测器直接使用的Backbone往往不是最优的,这就引发了一些困惑:
· 如何在保证效果好的同时,选择性能更好的模型,降低成本和能耗;
· 如何确保目标检测器找到每个目标的位置和分类;
· 如何从发展的角度理解模型的设计思路;
· 如何理解CNN的模型落地准则和计算效率……
那么,如何才能正确的梳理模型和设计思路?如何学习实时目标检测的高效Backbone网络?理解兼具精度与效率优势的VoVNet呢?
不要急,这里就有一节重磅公开课,由开课吧高级人工智能导师赵明明老师倾情授课,将围绕高效网络结构设计原理,深入浅出讲解VoVNet这种高效的、较新的实时目标检测网络结构,从发展的角度带你理解模型。
7月26日,晚19点30分
现在特惠0元抢
赶快报名参加吧
扫描下方二维码
成为资深算法工程师
也许并不难
报名后
还能免费领取AI学习资料哦
(文末查看资料详情)
本门课程,老师将深入浅出讲解原理,从发展的角度带你理解模型。
课程内也会涉及VoVNet、实时目标检测、Backbone、FLOPs、内存访问成本MAC、GPU计算效率、单聚合模块OSA等多个关键技术点:
本次课程结束后,你将会学到:
1、CNN的模型落地准则和计算效率
2、高效网络的设计思路
3、VoVNet结构及原理
能在一定程度上,帮助你理解设计原理,了解高效的、较新的实时目标检测网络结构,助力成为资深算法工程师。
计算机视觉作为AI领域重要的分支,有着重要的地位。但其实,AI学习不仅仅在于模型掌握了多少,更多的在于你的算法分析和设计能力、工程实践能力、算法模型的优化能力。
在上公开课的同时,我们又为大家准备了一些AI学习资料大礼包,非常适合本科、硕士以及刚接触机器学习的博士,还有一些想要转行AI的小伙伴,现在免费送给大家!
现在报名本次公开课,就可以全部送给你,赶快报名添加顾问领取吧。
7月26日,晚19点30分
现在特惠0元抢
赶快报名参加吧
扫描下方二维码
成为资深算法工程师
也许并不难
报名后
还能免费领取AI学习资料哦