热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

百度AI快车道“入沪”,目标检测上海专场成功举办

日前,百度AI快车道——企业深度学习实战营第四期在上海开营,就“目标检测”专题带来了丰富的案例与实战交流。该“实战营”基于百度深度学习开源平台飞桨&#x

日前,百度AI快车道——企业深度学习实战营第四期在上海开营,就“目标检测”专题带来了丰富的案例与实战交流。该“实战营”基于百度深度学习开源平台飞桨(PaddlePaddle),为“魔都”有此技术相关需求的企业技术人员们提供了一个学习和交流的平台。

实际上,深度学习技术已逐渐渗透到各行各业,正在推动着人工智能进入工业大生产阶段,直接为生产带来“降本增效”的商业价值。

这其中,目标检测是深度学习计算机视觉领域非常活跃的研究领域。目标检测的“目标”是指确定某张给定图像中,是否存在给定类别(比如人、汽车、自行车、动物)目标实例。目标检测是解决分割、场景理解、目标追踪、图像描述、事件检测和活动识别等更复杂、更高层次视觉任务的基础,已在人工智能和信息技术的许多领域有着广泛应用。

 

在当天5个多小时的深入交流中,百度深度学习领域的主任架构师进行了技术分享,全览了百度深度学习的内外部应用场景,百度深度学习框架飞桨在官方模型支持、预测部署、超大规模分布式训练以及本土服务支持上的工业应用优势。分享中,不仅深入介绍了基于百度应用场景的图像检索技术的线上案例、工程经验和代码分析,还在最后通过现场实践加强了参会学员的实际操作技能。

图:第四期百度AI快车道上海站活动现场

活动现场,有来自工业检测相关领域的学员分享表示,目前他所在工作领域中运用到目标检测场景众多,属于不同任务处理模型;因此,他所做的样本预处理、训练过程、以及应用的环境和工具都非常不一致。例如,在仓库监测中,如果想要实现对仓库中某些仓位的“目标接近预警”,就常会因目标类型、大小不同而出现偏差的情况。他还指出,该问题一直以来是其业务上的难题,而今天的分享对他来说启发很大。接下来,他会试着把飞桨(PaddlePaddle)框架迁移到自己的业务中。

据悉,百度AI快车道——企业深度学习实战营是百度依托自身深厚的深度学习技术实践经验,面向有AI技术需求企业的算法工程师、架构师群体提供的快速应用扶持计划。该计划的学习内容囊括了6套工程实施与深度学习技术落地结合的详细方案,覆盖百度领先的AI技术和业务应用场景的深入剖析,如OCR、精密仪器质检、推荐排序经典场景、遥感图像处理等;源于百度业务实践的深度学习框架飞桨的性能优势、模型优势、生态优势的解读;百度自研和顶级学术会议魁首算法、预训练模型的详细介绍,还有与案例与算法紧密相扣的在线实验,并以“短平快”的课程,进行对业务问题定位、框架及算法的快速应用培训,为更多企业带去深度学习技术和经验分享,并计划在年内于上海、深圳、杭州等多地,支持1000家企业的深度学习技术快速应用。

目前已在北京进行了“推荐系统”、“目标检测”、“图像检索”等三个主题的分享,此次成功在上海举办了目标检测专场的学习实践活动。

图:百度AI快车道第四期的学员们正在进行实验

图:百度AI快车道“目标检测”上海场

AI时代下的人才缺口已让各企业感受强烈。近几年,社会需要的AI相关人才大幅度增加。百度的“AI快车道”在如此需求下应运而生,特别针对“深度学习”这一依靠实践、并需要应用于实践的技术,持续为广大相关领域的企业从业人员进行免费教授与分享。趁着时间尚早,免费实操,抓紧上车。

7月28日,北京水立方北五环咖啡将要举办AI快车道第五期NLP-语义表示专场,看语义表示发展、前沿技术、超强能力的ERNIE以及实际业务的应用方案和效果现场。活动的详情近日会在飞桨PaddlePaddle公众号发布,请大家持续关注,您也可以点击文末阅读原文或扫描下图二维码快速报名:

 

如果您想与更多志同道合的深度学习开发者交流,请加入飞桨官方QQ群:432676488



推荐阅读
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 未来五年的AI领域科技亮点,都在这里了
    当AI正式成长为推动世界第四次工业革命的潜在力量之一,我们的生活也在悄然发生着变化,当AI渗透到人们的生活中,引爆着一场又一场的行业变革& ... [详细]
  • 说出来你可能不信,我用三天做了一个完整的项目
    Java在人工智能中能起到什么作用?作为编程语言中的扛把子,Java20多年稳定不倒,就在于它的稳定性,维护成本极低。这使得 ... [详细]
  • 干货 | 携程AI推理性能的自动化优化实践
    作者简介携程度假AI研发团队致力于为携程旅游事业部提供丰富的AI技术产品,其中性能优化组为AI模型提供全方位的优化方案,提升推理性能降低成本࿰ ... [详细]
  • 2018年人工智能大数据的爆发,学Java还是Python?
    本文介绍了2018年人工智能大数据的爆发以及学习Java和Python的相关知识。在人工智能和大数据时代,Java和Python这两门编程语言都很优秀且火爆。选择学习哪门语言要根据个人兴趣爱好来决定。Python是一门拥有简洁语法的高级编程语言,容易上手。其特色之一是强制使用空白符作为语句缩进,使得新手可以快速上手。目前,Python在人工智能领域有着广泛的应用。如果对Java、Python或大数据感兴趣,欢迎加入qq群458345782。 ... [详细]
  • “你永远都不知道明天和‘公司的意外’哪个先来。”疫情期间,这是我们最战战兢兢的心情。但是显然,有些人体会不了。这份行业数据,让笔者“柠檬” ... [详细]
  • GPT-3发布,动动手指就能自动生成代码的神器来了!
    近日,OpenAI发布了最新的NLP模型GPT-3,该模型在GitHub趋势榜上名列前茅。GPT-3使用的数据集容量达到45TB,参数个数高达1750亿,训练好的模型需要700G的硬盘空间来存储。一位开发者根据GPT-3模型上线了一个名为debuid的网站,用户只需用英语描述需求,前端代码就能自动生成。这个神奇的功能让许多程序员感到惊讶。去年,OpenAI在与世界冠军OG战队的表演赛中展示了他们的强化学习模型,在限定条件下以2:0完胜人类冠军。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • Sleuth+zipkin链路追踪SpringCloud微服务的解决方案
    在庞大的微服务群中,随着业务扩展,微服务个数增多,系统调用链路复杂化。Sleuth+zipkin是解决SpringCloud微服务定位和追踪的方案。通过TraceId将不同服务调用的日志串联起来,实现请求链路跟踪。通过Feign调用和Request传递TraceId,将整个调用链路的服务日志归组合并,提供定位和追踪的功能。 ... [详细]
  • OCR:用字符识别方法将形状翻译成计算机文字的过程Matlab:商业数学软件;CUDA:CUDA™是一种由NVIDIA推 ... [详细]
  • 老牌医药收割AI红利:先投个15亿美元抢中国人才
    萧箫发自凹非寺量子位报道|公众号QbitAI没想到,一场大会把我的“刻板印象”攻破了。2021世界人工智能大会现场,能看见不少熟悉的身影, ... [详细]
  • 知识图谱表示概念:知识图谱是由一些相互连接的实体和他们的属性构成的。换句话说,知识图谱是由一条条知识组成,每条知识表示为一个SPO三元组(Subject-Predicate-Obj ... [详细]
  • 软件测试工程师,需要达到什么水平才能顺利拿到 20k+ 无压力?
    前言最近看到很多应届生晒offer,稍有名气点的公司给出的价格都是一年30多W或者月薪20几k,相比之下工作几年的自己薪资确实很寒酸.根据我自己找工作经历,二线城市一般小公司招聘 ... [详细]
  • 「爆干7天7夜」入门AI人工智能学习路线一条龙,真的不能再透彻了
    前言应广大粉丝要求,今天迪迦来和大家讲解一下如何去入门人工智能,也算是迪迦对自己学习人工智能这么多年的一个总结吧,本条学习路线并不会那么 ... [详细]
author-avatar
酒心灵20609
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有