如何高效習得圖像理解的應用技術

圖像理解一直是機器學習的一個熱門方向。從最基礎的 MNIST 數字識別到高大上的 alphoto，從隨處可見的圖像檢索到最近熱門的人臉解鎖，我們幾乎能從每一項技術和應用中見到圖像理解的身影。

圖像理解應用技術的學習入口

《深度學習應用實踐 60 講》之 深度學習在圖像理解中的應用從傳統的圖像理解入手，重點講解圖像特徵學習的方法。然後基於深度學習的基礎，結合圖像檢索和內容理解等實際場景，給你介紹深度學習的模型設計、調參、部署及應用。課程以「基礎 + 模型 + 實例 + 引申啟發」的方式對相關知識點展開講授。

例如在圖像特徵學習的知識模塊中，首先會基於兩個簡單的圖像檢索的例子，解釋特徵的定義，以及一些通用特徵的設計。然後會基於特徵學習工程，引申出傳統的相似圖像檢索的應用，也就是微信掃一掃如何設計特徵，加速檢索，大規模部署的一些實踐。在梳理了圖像特徵檢索的理論和實踐之後，會介紹深度學習的基礎知識、常用的模型設計，以及一些訓練中需要注意的技巧。接下來，結合另一個實踐場景，也就是商品圖像檢索，介紹基於深度學習的圖像理解如何設計網路、加速網路計算、完成數據獲取和模型遷移。

在課程的最後，還將補充圖像理解在實際項目中的一些額外技術，如物體檢測，分割以及特徵嵌入等。

大咖講師

熊鵬飛，曠視科技 Face++ 高級研究員，博士畢業於中科院自動化研究所。負責人臉相關技術，專註於計算機視覺、深度學習、圖像理解等技術方向。曾就職於騰訊微信，先後參與並負責大規模圖像搜索、用戶畫像、微信掃一掃、圖像開放平台、視覺機器人、視頻處理等項目。博士畢業於中科院自動化研究所。負責人臉相關技術，專註於計算機視覺、深度學習、圖像理解等技術方向。曾就職於騰訊微信，先後參與並負責大規模圖像搜索、用戶畫像、微信掃一掃、圖像開放平台、視覺機器人、視頻處理等項目。

如何高效習得圖像理解的應用技術

在開始學習《圖像理解》之前，可能需要你了解一些簡單的深度學習或計算機視覺的概念，或者接觸過一些圖像理解相關技術的產品和服務。帶著問題來學習才能夠事半功倍。

《圖像理解》不是 CS231 之類的深度學習入門，而是基於實際應用的一些理論解釋和實踐心得。希望你能夠從實際場景入手，首先梳理一個完整的圖像檢索或內容理解的框架，以便更靈活、深入地研究中間的每一個環節。

因為每一項圖像理解的服務都不是一個單點的技術，所以我們會儘可能涉及到每項技術的細節，這就需要你有一個基礎的演算法思想。課程中，老師不會進行過於底層的演算法推導，而更多的是指出模型設計和訓練中需要注意的小地方，以及系統部署和實施中會遇到的潛在問題。

有些問題看起來與圖像理解沒有直接的關聯，但很可能會在實際應用中對你有所幫助和啟發。同時，課程中出現的相關數學推導，也需要你深入思考，因為只有理解了這些公式的內核，你才能更好的理解技術的改進方向。

希望你在學完本課程後，能夠在演算法優化、產品設計、系統部署，甚至項目管理中獲益。

福利！福利！福利！

新用戶註冊即享 30 元紅包，可立即使用。（下載「極客時間」APP，註冊並登錄，領取 30 元 新人紅包。）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！