简介
随着深度学习技术的不断发展,深度学习在图像/视频等领域取得了越来越广泛的应用,催生了很多实际的落地场景。 本次课程将从算法和工程的角度,全面介绍深度学习在视觉场景中的落地与应用。
算法上重点介绍深度学习的基本原理,把握深度学习的发展脉络。之后结合人脸、OCR等实际问题,介绍如何利用深度学习解决分类、检测、分割等视觉核心问题,以及如何将算法应用于实际问题。
实践部分,将结合实际项目,介绍如何从算法、模型、训练、工程等多个角度,对算法进行优化、加速,从而达到效率和精度的平衡,实现算法的落地。
目标
掌握深度学习的基本原理,把握深度学习的发展脉络。掌握利用深度学习解决分类、检测、分割等视觉核心问题,以及如何将算法应用于实际问题。
受众人群
算法工程师、系统架构师、开发工程师以及其他对大数据感兴趣的人员。
课程时长
2天(12H)
分享提纲
1 深度学习基础: | 深度学习的发展历史 模型发展脉络 卷积神经网络 循环神经网络 对抗生成学习 |
2 视觉应用核心问题: | 分类 检测 分割 跟踪 |
3 深度学习常见应用: | 人脸技术 重识别 OCR技术 图文相关性 |
4 深度学习项目实战: | 模型加速 模型压缩 项目实战 |