您可以免费观看前 5 分钟或一小节,完整观看请购买。  点此购买


本视频总时长约为47分钟

SIGAI特邀谭博对当前目标检测领域基于深度学习的相关算法原理和实现细节进行梳理解读,Fast-RCNN 算法( https://arxiv.org/abs/1504.08083)由RBG大神发表于ICCV-2015,是对RCNN进行的针对性改进,为什么叫Fast-RCNN呢?讲者通过对比相对于原版的rcnn,该方法不但运行速度更快了,而且检测效果更好了!这是怎么做到的呢?通过对特征层采用感兴趣区域池化(Region of Interest Pooling,RoI Pooling) 来共享大部分计算量,提高模型的运行效率,同时对RCNN的pipeline方法做了一定整合,提升了检测性能。讲者将这些关键改进进行了详细的解读,帮助大家快速理解掌握核心要点。通用物体检测技术精解之Fast-RCNN算法,讲者通过分析RCNN的缺陷,提出了一系列优化方案,进而引出了Fast-RCNN,整个讲解过程结合论文解读和具体实现带领大家从算法关键步骤原理一步步过渡到工程细节,有理有据帮助你快速掌握核心知识。


作者简介:

谭博士毕业于伯克利大学,本科毕业于南京大学,在计算机视觉领域有7年以上的研究经验,主要研究方向为物体检测分割和图像搜索,在NIPS、ICML、CVPR、ECCV等顶级会议期刊发表了数篇相关论文,目前在国外知名互联网公司任研究科学家职位。




购买观看完整解读及视频