写点什么

如何基于 Mask R-CNN 快速完成模型开发

  • 2019-08-02
  • 本文字数:448 字

    阅读完需:约 1 分钟

如何基于 Mask R-CNN 快速完成模型开发

在 QCon 北京 2019 大会上,孟繁亮讲师做了《如何基于 Mask R-CNN 快速完成模型开发》主题演讲,主要内容如下。


演讲简介


当前,实例分割技术被广泛应用于医学影像、自动驾驶等场景。本次分享将会基于计算机视觉领域中的目标检测、语义分割和实例分割概念,以 Mask R-CNN 为例,讲解基于 Region 的 CNN 模型开发,包括图像特征提取,ROI 检测区域生成,物体分类及边界框回归、图像遮罩回归。分享还会分享使用 COCO 数据集对模型进行训练,在泛化场景中进行精确地识别物体的应用实例。

听众受益

  1. 计算机视觉领域的实例分割技术深度解读;

  2. 基于 Region 的 CNN 模型开发;

  3. COCO 数据集对模型的训练。


讲师介绍


孟繁亮


华为 开源软件能力中心 AI 领域首席架构师


华为开源软件能力中心 AI 领域首席架构师,负责 AI 的技术研究和产品开发,拥有 10 多年的开源社区开发和商业产品开发的研发经验,对 TensorFlow、PyTorch 等 AI 计算框架有深入的理解,拥有丰富的 AI、容器、DevOps 等开源项目和产品化经验。












完整演讲 PPT 下载链接


https://qcon.infoq.cn/2019/beijing/schedule


2019-08-02 08:001367

评论

发布
暂无评论
发现更多内容
如何基于 Mask R-CNN 快速完成模型开发_文化 & 方法_孟繁亮_InfoQ精选文章