<mark id="oztn4"></mark>
0
曠視研究院聯(lián)合北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院機(jī)器學(xué)習(xí)實(shí)驗(yàn)室開設(shè)的《深度學(xué)習(xí)實(shí)踐》全套課程（視頻+PPT，共計(jì)28課時(shí)）今日在AI研習(xí)社正式全面上線，讓你足不出戶也能享有高水平的教學(xué)資源。
“與其疫情宅家玩游戲，不如家里蹲大學(xué)把課上。”疫情期間，我們每日聽到的最多的信息之一可能就是號(hào)召大家在線堅(jiān)持學(xué)習(xí)。不過(guò)，在左有“名師授課”、右有“速成深度學(xué)習(xí)”，多重信息的圍攻之下，大部分人最終還是選擇了那條無(wú)數(shù)“英雄”選擇的道路——“收藏+下次一定”，重回電子虛擬世界，麻痹自己，蹉跎人生。
怎么辦？曠視研究院為你支招！
今日，曠視研究院聯(lián)合北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院機(jī)器學(xué)習(xí)實(shí)驗(yàn)室開設(shè)的《深度學(xué)習(xí)實(shí)踐》全套課程（視頻+PPT，共計(jì)28課時(shí)）全面向社會(huì)免費(fèi)開放！從深度學(xué)習(xí)基礎(chǔ)理論到計(jì)算機(jī)視覺實(shí)踐，由曠視首席科學(xué)家兼研究院長(zhǎng)孫劍，及身經(jīng)百戰(zhàn)的研發(fā)總監(jiān)、資深研究員親身授課，真正將高水平深度學(xué)習(xí)課程帶給大家。知識(shí)全面、循循善誘、透徹又不枯燥是本課程最大的特點(diǎn)。
《深度學(xué)習(xí)實(shí)踐》是曠視研究院聯(lián)合頂尖高校開設(shè)的系列深度學(xué)習(xí)精品課程之一。作為曠視的研發(fā)中心，曠視研究院一直基于自研的人工智能算法平臺(tái)Brain++和深度學(xué)習(xí)框架MegEngine開展最前沿學(xué)術(shù)、產(chǎn)業(yè)技術(shù)研究、交流，累計(jì)收獲27項(xiàng)世界冠軍；并實(shí)現(xiàn)在個(gè)人物聯(lián)網(wǎng)、城市物聯(lián)網(wǎng)、供應(yīng)鏈物聯(lián)網(wǎng)三大領(lǐng)域的應(yīng)用落地。值得一提的是，曠視后續(xù)將對(duì)Brain++及其核心框架、平臺(tái)進(jìn)行開源、開放，強(qiáng)大的算力、SOTA模型、框架資源任你用，敬請(qǐng)期待~
此次課程錄制于2017年秋季曠視研究院在北京大學(xué)授課期間，已連續(xù)開設(shè)3年，后續(xù)將開放更多精彩課程供同學(xué)們學(xué)習(xí)、研究。
課程大綱
1、Lecture 1（Intro of CV and DL）
本節(jié)課是一堂入門性的概述課程，主要通過(guò)向?qū)W生介紹計(jì)算機(jī)視覺的含義，計(jì)算機(jī)視覺的主要應(yīng)用場(chǎng)景，以及計(jì)算機(jī)視覺從經(jīng)典方法發(fā)展到現(xiàn)在基于深度學(xué)習(xí)的方法的理路變遷來(lái)引導(dǎo)學(xué)生獲得對(duì)該領(lǐng)域的一個(gè)全局性的理解。
2、Lecture 2（Math In DL）
本節(jié)課著重介紹深度學(xué)習(xí)技術(shù)中使用的數(shù)學(xué)知識(shí)。與其它課程、書籍不同，本課程忽略了很多過(guò)分抽象、復(fù)雜且使用頻率不高的內(nèi)容，以便同學(xué)們能夠較為容易地對(duì)深度學(xué)習(xí)涉及到的核心數(shù)學(xué)知識(shí)有良好掌握。
3、Lecture 3（Network Basics & Architecture Design）
本節(jié)開始正式介紹深度神經(jīng)網(wǎng)絡(luò)相關(guān)的基礎(chǔ)知識(shí)。在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)介紹中，講者從視覺識(shí)別的困難切入，逐步深入分析了神經(jīng)網(wǎng)絡(luò)架構(gòu)的特點(diǎn)以及訓(xùn)練優(yōu)化方法。進(jìn)一步，課程還介紹了網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)的具體細(xì)節(jié)。
4、Lecture 4（Computation Technology）
本課程介紹深度學(xué)習(xí)涉及的計(jì)算技術(shù)，包含人們常用的深度學(xué)習(xí)框架背后實(shí)現(xiàn)的思想與原理；如何在現(xiàn)有如CPU、GPU的構(gòu)架下，實(shí)現(xiàn)快速數(shù)學(xué)計(jì)算；以及在分布式深度學(xué)習(xí)中的通信與優(yōu)化技術(shù)。
5、Lecture 5（Neural Network Approximation）
本課程介紹神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)。眾所周知，一個(gè)真正有效地神經(jīng)網(wǎng)絡(luò)在訓(xùn)練和推理過(guò)程中往往需要消耗高額的計(jì)算成本，如何更快、更高效地讓其進(jìn)行工作就成了技術(shù)落地的關(guān)鍵。本課程從三個(gè)方面：低質(zhì)、稀疏與量化逐一介紹了神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)。
6、Lecture 6（Modern Object Detection）
本課程介紹基于深度學(xué)習(xí)的物體檢測(cè)技術(shù)。物體檢測(cè)技術(shù)不要求系統(tǒng)精準(zhǔn)識(shí)別某個(gè)物體的具體屬性，例如這輛車是保時(shí)捷 911，而是讓系統(tǒng)能夠在畫面中識(shí)別出所有被稱為車的物體，即（Category-level Recognition，而非Instance-level Recognition），本課將對(duì)此展開介紹。
7、Lecture 7（Text Detection and Recognition）
本課程介紹了近年來(lái)場(chǎng)景文字檢測(cè)與識(shí)別中的進(jìn)展，以及曠視在該領(lǐng)域的工作與成果。具體而言，分為文字識(shí)別任務(wù)的背景與經(jīng)典方法回顧、近來(lái)基于深度學(xué)習(xí)的技術(shù)進(jìn)展。需要強(qiáng)調(diào)的是在第三部分。課程重點(diǎn)介紹了文字識(shí)別任務(wù)的數(shù)據(jù)集與比賽。
8、Lecture 8（Image Segmentation）
當(dāng)前，越來(lái)越多的應(yīng)用場(chǎng)景需要精確且高效的圖像理解能力，如自動(dòng)駕駛、室內(nèi)導(dǎo)航、甚至虛擬現(xiàn)實(shí)與增強(qiáng)現(xiàn)實(shí)等，圖像分割技術(shù)就是實(shí)現(xiàn)這一切的關(guān)鍵技術(shù)之一。本課程介紹了圖像分割中語(yǔ)義分割與實(shí)例分割技術(shù)的具體細(xì)節(jié)。
9、Lecture 9（Recurrent Neural Networks）
本課程從循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的基礎(chǔ)到前言應(yīng)用進(jìn)行了介紹。作為圖靈完備的模型，循環(huán)神經(jīng)網(wǎng)絡(luò)相較于卷積神經(jīng)網(wǎng)絡(luò)能夠做更復(fù)雜的工作。從課程設(shè)置來(lái)看，在介紹了RNN基礎(chǔ)之后，課程會(huì)討論部分經(jīng)典RNN架構(gòu)，如LSTM、有Attention的RNN和有External Memory的RNN。
10、Lecture 10 （Introduction to Generative Models）
本課程介紹生成式模型的基本概念與發(fā)展現(xiàn)狀，同時(shí)也針對(duì)其背后的數(shù)學(xué)原理進(jìn)行細(xì)致剖析。生成式模型是概率統(tǒng)計(jì)與機(jī)器學(xué)習(xí)中的一類重要模型，指一系列用于隨機(jī)生成可觀測(cè)數(shù)據(jù)的模型，應(yīng)用十分廣泛，可用來(lái)自不同的數(shù)據(jù)進(jìn)行建模。
11、Lecture 11（Person Re-Identification）
本節(jié)課程著重于對(duì)行人重識(shí)別技術(shù)的解讀。作為圖像檢索領(lǐng)域的一個(gè)重要子問題，行人重識(shí)有著重要應(yīng)用價(jià)值。為了幫助學(xué)生更好理解，課程以人臉識(shí)別為例，通過(guò)分析其與行人重識(shí)別的區(qū)別之處來(lái)向?qū)W生介紹后者。進(jìn)一步，課程還介紹了如何依據(jù)一些額外時(shí)空信息來(lái)輔助開展行人重識(shí)別工作。
12、Lecture 12 （Shape from X）
本課程介紹3D重建，即研究如何用視覺的方法來(lái)獲得3維信息。具體而言，課程介紹了多種傳統(tǒng)建構(gòu)物體形狀的方法，與之相對(duì)應(yīng)的，基于神經(jīng)網(wǎng)絡(luò)的3D重建在靈活性與效果上都有著顯著優(yōu)勢(shì)。
13、Lecture 13（Visual Object Tracking）
本課程介紹目標(biāo)跟蹤技術(shù)，由于不同種類的目標(biāo)跟蹤任務(wù)的假設(shè)可能有巨大不同，所以本課程首先會(huì)介紹運(yùn)動(dòng)估計(jì)，然后分別專門介紹單目標(biāo)跟蹤與多目標(biāo)跟蹤。最后，講者對(duì)一些特殊且重要的情形（如快速運(yùn)動(dòng)、多個(gè)攝像頭）進(jìn)行了分析。
14、Lecture 14（Neural Network in Computer Graphics）
本課程介紹計(jì)算機(jī)圖形學(xué)中的神經(jīng)網(wǎng)絡(luò)。具體而言，首先介紹了計(jì)算機(jī)圖形學(xué)的含義，與基本情況。進(jìn)一步，對(duì)引入其中的神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行專項(xiàng)解讀，涉及用神經(jīng)網(wǎng)絡(luò)進(jìn)行渲染、進(jìn)行3D建模以及visual media retouching。最后，課程介紹了如何將圖形學(xué)技術(shù)應(yīng)用到計(jì)算機(jī)視覺問題之中。
更多信息
課程傳送門：
添加小助手，加入線上交流群：
最后講個(gè)真實(shí)的故事
1665年，牛頓在劍橋三一學(xué)院就讀期間，倫敦發(fā)生大瘟疫，造成數(shù)萬(wàn)人死亡。牛頓回家自我隔離，親戚也不走，聚會(huì)也不去。
但正是這段清浄的時(shí)間，讓他有機(jī)會(huì)思考數(shù)學(xué)、光學(xué)、力學(xué)的問題，碩果累累，成功創(chuàng)立了二項(xiàng)式定理和光的分解，確立了牛頓第一、第二定律和引力定律的基本思想……
恩？仿佛聽到有人在談?wù)撐遥?/span>
祝大家身體健康，少出門、多運(yùn)動(dòng)，提高免疫力的同時(shí)也不要忘了加倍努力學(xué)習(xí)思考哦~
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
