从基于深度学习的视觉检测，到使用强化学习开发机器人控制策略，人工智能技术在工业领域的应用越来越多样。在本期在线研讨会中，NVIDIA 将联合 MathWorks 为开发者朋友们带来如何利用深度学习在嵌入式 GPU 上实现工业缺陷检测的相关内容，介绍如何快速利用 MATLAB® 进行图像采集与处理、训练深度学习模型用于对工业零件的缺陷检测，然后生成 CUDA 代码并部署到 Jetson 系列 GPU 用于生产环境。
本次在线研讨会针对拥有 MATLAB® 基础或者同等 MATLAB 使用经验，Linux 使用基础的开发者朋友。通过本次在线研讨会您将了解以下内容：
• Jetson Nano 与 MATLAB 开发环境
• 采集图像、利用传统算法获取图像 ROI
• 对预训练好的神经网络模型做迁移学习
• 模型行为分析：类激活映射、热图可视化
• 生成 CUDA 代码
• 在 Jetson Nano 上编译运行
嵌入式GPU 与CUDA 开发环境介绍 何琨（Ken He）NVIDIAMATLAB 开发环境介绍（From MathWorks）目标：了解 MATLAB 开发环境需要为 Jetson Nano 应用开发安装与设置的附加功能。• 基础环境（MATLAB、图像处理工具箱、深度学习工具箱、GPU Coder）• MATLAB Support Package for USB Webcams• MATLAB Coder Support Package for NVIDIA Jetson and NVIDIA DRIVE Platforms图像采集与预处理 （From MathWorks）
目标：MATLAB 中访问本机及 Jetson Nano 摄像头，截取画面并进行预处理• 从连接到 Jetson Nano 的摄像头获取图像利用预训练好的模型做迁移学习 （From MathWorks）
目标：从 MATLAB 脚本生成 CUDA 代码并部署到 Jetson Nano 上• 生成 CUDA 代码（基于 cuDNN 或 TensorRT）并编译
NVIDIA 企业级开发者社区经理，拥有多年的GPU 和人工智能开发经验。自2017年加入NVIDIA 开发者社区以来，完成过上百场培训，帮助上万个开发者了解人工智能和 GPU编程开发。在计算机视觉，高性能计算领域完成过多个独立项目。并且，在机器人和无人机领域，有过丰富的研发经验。对于图像识别，目标的检测与跟踪完成过多种解决方案。曾经参与 GPU 版气象模式 GRAPES，是其主要研发者。
MathWorks 中国应用工程师，专注于数据科学和人工智能应用，曾任职于林德液压（德国），从事计算编程、流体仿真和系统建模。硕士毕业于北京航空航天大学机械电子工程专业。
点击“阅读原文”报名参加本次在线研讨会
微信添加小助手“NVChina02”加入本次活动交流微信群~
