目标检测与分割领域的经典算法解读

计算机视觉是人工智能的关键领域之一，是一门研究如何使机器“看”的科学。图像目标检测又是计算机视觉的关键任务，主要对图像或视频中的物体进行识别和定位，是AI后续应用的基础。

因此，检测性能的好坏直接影响到后续目标 追踪、动作识别的性能。传统图像目标检测的滑窗法虽然简单易于理解，但随目标大小而变化的窗口对图像进行从左 至右、从上至下的全局搜索导致效率低下。

为了在滑动窗口检测器的基础上提高搜索速度，选择性搜索方法（selective search method）孕育而出，基于这一想法采用子区域合并的方式进行候选区域的提取 从而确定目标。 有助于确定目标之间的关系，以及目标在图像中的上下文。应用包括人脸识别、车牌识别和卫星图像分析。例如，零售和时尚等行业在基于图像的搜索中使用了图像分割。自动驾驶汽车

随着技术的普及，各家企业的框架逐渐成熟化，图像分割技术的门槛会越来越低。但是由于实际业务的不断丰富和深入，开源框架和工具也已经无法直接满足实际生产和业务需求。

那么为了让大家更好地掌握 图像分割与检测 ，现邀请到人工智能实战专家的唐宇迪博士，专为深度学习的同学开设了分割与检测算法实战训练营。帮助学习背后根本原理和调试代码程序的方式与思路，提升解决实际问题的能力。

上课时间：5月11日-12日，每晚20:00-22:30

课程服务：录播＋直播授课+讲师答疑+课堂笔记+作业布置

1. 神经网络模型细节知识点分析.

2. 神经网络模型整体架构解读.

3. 计算机视觉核心模型-卷积神经网络.

4. 卷积神经网络整体架构及其参数设计.

   
   

1. 分割领域经典算法Unet系列.

2. 分割领域经典算法Unet系列.

3. 物体检测经典算法YOLO解读.

4. YOLO系列升级版本分析与应用.

5. 检测模型优化与改进细节分析.
   
   

原价199

扫描下方二维码

0.02元报名

完课礼包

原价199

扫描下方二维码

0.02元报名