大V讲堂——开放环境下的自适应视觉感知
.jpg)
.jpg)
.jpg)
.jpg)
现有机器视觉学习技术通常依赖于大规模精确标注的训练数据。在典型实验室环境下设计和训练的人工智能模型，在行业应用场景变换时，容易导致系统性能急剧下降。本课程将从弱监督视觉理解的角度，介绍在降低模型对特定应用场景数据依赖方面所开展的一些研究工作。
课程简介
本课程介绍了在降低模型对特定应用场景数据依赖方面所开展的一些研究工作。
课程目标
通过本课程的学习，使学员了解：
1、如何构建高效的神经网络基础模型。
2、如何学习显著性物体、边缘等通用属性。
3、如何利用通用属性构建弱监督学习模型，并进而利用互联网数据自主完成知识学习。
课程大纲
第1章 什么是开放环境的自适应感知
第2章 面向识别与理解的神经网络共性技术
第3章 通用视觉基元属性感知
第4章 相关机器学习算法
