强调
- 对图像进行像素级语义分割
- 从Tensorflow和Caffe进口和使用预先训练的型号
- 利用集群上的并行计算加速网络训练
- 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
关于演示者
Abhijit Bhattacharjee是MathWorks的高级应用工程师,专门从事计算机视觉,音频信号处理和机器学习领域。在Mathworks之前,Abhijit是USC信息科学研究所的研究员,在由NASA和DARPA提供资金的方案中。项目包括高光谱图像处理和音频隐写术。他持有一个m.s.e.e.来自南加州大学的学位,与所有行业的客户一起工作,包括消费者设备,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赢得了他的B.S.研究NJIT的生物医学工程,在脑成像实验室工作,在那里他在缺血性卒中患者中研究了FMRI模式(当然,使用MATLAB)。Pitambar在工作之外花费他的时间旅行,看篮球,并玩终极飞盘。他最喜欢的食物是Margherita Pizza,他最喜欢的甜点是比利时华夫饼。