小迈步之深度学习 | 使用 MATLAB 进行实例分割模型的建立与部署

主题：使用 MATLAB 进行实例分割模型的建立与部署

时间：2023年9月13日 14:00-15:30

地点：线上

活动详情：

讲座总览

实例分割可以对图像进行像素级别的分类，并且在类别基础上区分不同的实例，是人脸识别、物体检测以及自动驾驶等诸多计算机视觉任务的基础。在本次讲座中我们将以实例分割模型 SparseInst 为例，向大家展示如何通过 ONNX 将 PyTorch 模型导入到 MATLAB 中，并通过 MATLAB GPU Coder 在 NVIDIA Jetson 平台上进行部署，实现对摄像头视频的实时分割。在这个案例中，我们将详细介绍可能遇到的实际问题，并提供相应的解决方法，以帮助您更好地应对深度学习应用中的实践问题。

通过本次讲座，您将了解到 MATLAB 作为一个全面而灵活的平台，如何利用其丰富的工具箱和函数库简化深度学习开发流程，并实现多种编程语言的集成。您可以方便地与开源框架进行互操作并实现部署，更广泛地将深度学习应用到实际项目中，从而拓展您的深度学习项目的潜力。

本场讲座包含以下亮点：

实例分割应用场景与 SparseInst 模型理论介绍
MATLAB 深度学习与 PyTorch 的互操作
MATLAB 深度学习模型在 NVIDIA Jetson 上的部署

立即注册（免费）：

背景知识：

通过直接导入 Tensorflow 和 PyTorch 模型或通过 ONNX 开放神经网络交换格式，MATLAB 支持您访问开源社区的最新研究成果。您还可以在 MATLAB 与 Python 间双向调用，以便与使用开源软件的团队合作。

GPU Coder 可从 MATLAB 代码和 Simulink 模型生成优化的 CUDA® 代码。所生成的代码包含 CUDA 内核、针对深度学习、嵌入式视觉和信号处理算法的可并行化部分。您可以将这些代码作为源代码、静态库或动态库集成到您的项目，也可以针对桌面、服务器和嵌入到 NVIDIA Jetson™、NVIDIA DRIVE™ 及其他平台的 GPU 进行编译。

会前准备：

注册通道后台将在直播1小时前关闭，为确保您能收到直播观看链接，请务必在活动当天13:00前完成注册。请提前5分钟登录直播地址、确保参会期间网络稳定。

演讲人：

| 王兴刚，华中科技大学电信学院教授，博导，入选国家人才计划，担任 Elsevier Image and Vision Computing 期刊联合主编。2014年获得华中科技大学博士学位，期间在美国天普大学、加州大学洛杉矶分校 (UCLA) 访问研究。在 IEEE TPAMI、CVPR、ICML 等顶级期刊会议发表学术论文60余篇，谷歌学术引用次数超过2万次。主持国家自然科学基金项目3项。

| 陈炜博士，MathWorks 中国高校团队工程师，负责高校教学与科研方面的支持，毕业于吉林大学与澳大利亚斯文本科技大学。博士期间研究方向为多功能材料的拓扑优化，曾在力学专业期刊发表多篇学术论文。

2023 年小迈步系列预告：

电力电子专题：10月

轨道交通专题：11月

◆ ◆ ◆ ◆