47:09视频长度是47:09。
揭秘深度学习:语义分割和部署
概述
对于许多传统机器学习算法无法解决的任务,深度学习可以达到最先进的精度,包括对场景中的物体进行分类或识别环境中的最佳路径。在本次网络研讨会中,我们将破译深度学习领域的实用知识,并演示新的MATLAB特性,以简化这些任务并消除低级编程。从原型到生产:我们将构建和训练神经网络,并讨论自动将模型转换为CUDA以在gpu上本机运行。
注:本次网络研讨会建立在先前讨论的概念之上计算机视觉的深度学习网络研讨会。
突出了
- 对图像进行像素级语义分割
- 从TensorFlow和Caffe中导入并使用预先训练好的模型
- 通过集群上的并行计算加快网络训练
- 使用数据增强来提高深度学习模型的准确性
- 自动将模型转换为CUDA以在gpu上运行
关于主讲人
Abhijit Bhattacharjee是MathWorks的高级应用工程师,专注于计算机视觉、音频信号处理和机器学习领域。在MathWorks之前,Abhijit是南加州大学信息科学研究所的研究员,在NASA和DARPA资助的项目中工作。项目包括高光谱图像处理和音频隐写术。他拥有南加州大学的硕士学位,并与所有行业的客户合作,包括消费设备,半导体,政府和学术。
Pitambar Dayal是MathWorks图像处理和计算机视觉产品的技术营销经理。s manbetx 845在MathWorks之前,Pitambar在新泽西理工大学获得了生物医学工程学士学位,并在脑成像实验室工作,在那里他研究了缺血性中风患者的fMRI模式(当然是使用MATLAB)。工作之余,Pitambar会花时间旅行、看篮球和玩极限飞盘。他最喜欢的食物是玛格丽特披萨,他最喜欢的甜点是比利时华夫饼。
记录时间:2018年7月26日
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。