如何在小规模数据集上从头开始训练一个鲁棒的目标检测器

如何在小规模数据集上从头开始训练一个鲁棒的目标检测器

开课时间:9月26日周二晚上8点30分
开课时长:1个小时
学员人数:97
回放价格: 免费
课程介绍

主题:如何在小规模数据集上从头开始训练一个鲁棒的目标检测器

 

分享人:沈志强,复旦大学Ph.D,UIUC ECE系访问学者,导师Thomas S. Huang教授。研究兴趣包括:计算机视觉(目标检测、视频描述、细粒度分类等),深度学习,机器学习等。他曾在因特尔中国研究院(Intel Labs China)进行为期一年的实习研究,期间合作者包括研究院Jianguo Li博士和在读博士生Zhuang Liu等。

 

分享背景:目标检测作为一个基础的计算机视觉任务在自动驾驶、视频监控等领域拥有非常广泛的应用前景。目前主流的目标检测方法都严重依赖于在大规模数据集(如ImageNet)上预训练初始模型。而本文(ICCV2017)通过分析深度检测模型从头训练存在的问题,提出了四个training from scratch的原则,根据这些原则构建了DSOD模型,该模型在三个标准的数据集(PASCAL VOC 07, 12和COCO)上都达到了目前state-of-the-art的性能。

 

时间:9月26日周二晚8点30分

 

扫描二维码添加AI研习社社长,回复【沈志强】入群交流

 

课程须知
  • 本次公开课将于9月26日周二晚上8点30分准时开始,请大家提前10分钟进入直播间
  • 公开课后两天内会上传回放视频,错过直播的同学也不要担心
  • 欢迎大家多多向嘉宾提问,问题被采纳者有机会获得神秘礼品