2019年10月19日 （周六）晚上 20:00，由王强博士给大家带来一次公开课，公开课题目为：Disparity/Flow Estimation with Deep Learning（深度学习技术在视差/深度/光流估计中的应用）
王强，香港浸会大学计算科学系
研究兴趣：GPU并行计算，分布式机器学习，机器人视觉
无论在传统计算机视觉还是机器人视觉任务中，基于单目RGB图像连续帧的深度/光流估计以及基于平行双目RGB图像视差估计都是十分关键且用途广泛的基础算法模块。一般来讲，单目深度/光流估计在SLAM中用于重构机器人周边环境的三维环境以及估计自身位姿，而双目视差估计常用于固定视角下的实时三维模型重构。传统的算法主要通过特征工程对图像进行像素到特征向量的映射（SIFT算子，ORB算子等），并对目标图和参照图中的特征进行一一匹配。然而，随着深度学习技术的兴起和快速发展，近年来不少工作将深度网络技术应用到视差/深度/光流估计，并在很多任务取得了SOTA的性能 本次公开课主要讲解深度学习技术在视差/深度/光流估计中的应用。首先，我们总结和讨论了目前学术界已有的基于深度学习技术在视差/深度/光流估计中的应用。然后，我们主要集中讨论如何使用深度网络估计平行双目RGB图像下的视差，包括2D卷积网络和3D卷积网络的方法。最后，我们列举了一些常见的双目数据集和基准测试，还有数据的预处理技巧和注意事项。
此次分享采用斗鱼直播，长按下图，识别图中二维码，关注“泡泡机器人SLAM”（ID：paopaorobot_slam）公众号，回复 "公开课" 获取直播链接，提前关注直播间，我们将在下午20:00开始直播，欢迎大家参加分享！
