综述 | 基于深度学习的目标检测算法

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。

1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。自动驾驶汽车用它来了解周围的环境

目标检测和人脸检测

这些应用包括识别数字图像中特定类的目标实例。语义对象可以分类成类，如人脸、汽车、建筑物或猫。

人脸检测  - 一种用于许多应用的目标检测，包括数字相机的生物识别和自动对焦功能。算法检测和验证面部特征的存在。例如，眼睛在灰度图像中显示为谷地。

医学影像  - 从医学影像中提取临床相关信息。例如，放射学家可以使用机器学习来增强分析，通过将图像分割成不同的器官、组织类型或疾病症状。这可以减少运行诊断测试所需的时间。

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 图像分类和分割 ，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 图像目标检测算法训练营【实战篇】

2天搞定 图像目标检测算法及实战

从理论基础到核心原理

集中精力各个击破！

讲师介绍

课程大纲

上课时间：4月20日-21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

Day1： 深度学习必备核心算法通俗解读

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.

   
   

Day2 ： 图像分割与目标检测算法实战

1. 分割领域经典算法Unet系列.

2. 物体检测经典算法YOLO解读.

3. YOLO系列升级版本分析与应用.

4. 检测模型优化与改进细节分析.
   
   

注：本次训练营会PPT课件、课堂笔记。
PPT课件、课堂笔记会在 4月21日 统一发给完成全部作业且3天都到课的同学。

原价199

扫描下方二维码

0.02元报名

福利较大，限前200名

完课礼包

注意： 已整理到网盘 , 添加助理微信 , 报名课程后免费领取  ,  名额有限！

原价199

扫描下方二维码

0.02元报名

福利较大，限前200名