我们的生活正因 AI 技术的落地应用而不断走向智能化——拍照搜索、视频中物体定位、AR 眼镜、无人零售货柜、安防领域中的人脸识别、制造业中的缺陷检测、医学领域中的病灶检测、农业领域中的害虫识别监控……而这些都离不开“目标检测”技术。图像中的目标检测是计算机视觉领域一个经典问题，目前已广泛应用在互联网、安防、制造、金融、医疗、零售、智慧城市等多个行业。
12月14日，百度 AI 快车道将走进深圳带来关于目标检测的“深度干货”，为 CV 开发者“撒福利”！本期 PaddleDetection 目标检测专场，将由两位百度深度学习技术平台部高级工程师进行专业讲解。他们不仅将为我们介绍飞桨目标检测开发套件及产业应用案例，还将手把手教大家利用 YOLO V3 实现 AI 识虫项目，让你感受技术硬实力。
如果你对这样丰富的深度学习理论加实战课程感到心动，就赶紧报名吧！
活动主题：
PaddleDetection—飞桨目标检测库解析及实战
课程时间&地点：
2019年12月14日 深圳百度国际大厦
课程安排：
- 13:30-14:00 签到、现场交流
- 14:00-14:15 飞桨产业级深度学习开源开放平台全景介绍
- 14:15-15:15 PaddleDetection飞桨目标检测开发套件以及产业应用分享
- 15:15-15:45 应用 QA
- 16:00-17:00 YOLO V3应用实战——AI 识虫项目
关于 PaddleDetection
PaddleDetection 是基于飞桨的图像检测库， 包含了主流检测算法以及一系列优化组件，算法方面包括 FasterRCNN、MaskRCNN、Cascade-Faster-RCNN、Cascade-Mask-RCNN、RetinaNet、SSD、YOLOv3等通用物体检测模型，以及 Faceboxes、BlazeFace 系列人脸检测模型。优化组件包含跨卡同步的 Batch Norm，Group Norm，DeformableConv 等算子，以及多尺度训练/测试、softnms 等功能以及支持混合精度训练。
主要具备以下几个特点:
- 模块化设计:
- 依据检测算法流程，模块化设计各个组件，使得骨干网络、优化组件、数据预处理、数据集等均可灵活定制和扩展。
- 模型丰富：
- 开源了基于 COCO、Object365、Open Imagev5、WIDER FACE 等数据集的预训练模型总数超过70个，其中包括大规模目标检测挑战赛夺冠模型，在 COCO 上 mAP 高达53.3%。除基线模型外，还有一系列改进模型，例如基于 ResNet-VD 版本的系列检测模型， 相比 ResNet 原始版本 mAP 提高约1%-2%左右，改进版的 YOLOv3 在 COCO 上 mAP 高达41.3%，改进版的 BlazeFace 大小仅有234K，在端上评测相比原版加速约2倍。
- 工业级部署：
- PaddleDetection 中提供了基于飞桨的高性能推理引擎的部署方案，对于 Linux 和 Windows 都提供了良好的支持，使得训练和部署可以无缝衔接。支持基于 TensorRT 和 MKLDNN 加速推理，在众多模型上相比竞品具备速度优势。
关于 AI 快车道
百度 AI 快车道企业深度学习实战营是百度依托自身深厚的深度学习技术实践经验，面向有 AI 技术需求企业的算法工程师、架构师群体提供的快速应用扶持计划。
计划的学习内容囊括了10套工程实施与深度学习技术落地结合的详细方案，覆盖百度领先的 AI 技术和业务应用场景的深入剖析。
如 OCR、精密仪器质检、推荐排序经典场景、遥感图像处理等；源于百度业务实践的深度学习平台飞桨的性能优势、模型优势、生态优势的解读；百度自研和顶级学术会议魁首算法、预训练模型的详细介绍，还有与案例和算法紧密相扣的在线实验，并以“学来即用”的课程，进行业务问题定位、框架及算法的快速应用培训，为更多企业带去深度学习技术和经验分享。
扫描二维码或进入https://iwenjuan.baidu.com/?code=ylj9g9，报名百度 AI 快车道目标检测专场吧！
閱讀更多 百度青島創新中心 的文章
