我們的生活正因 AI 技術的落地應用而不斷走向智能化——拍照搜索、視頻中物體定位、AR 眼鏡、無人零售貨櫃、安防領域中的人臉識別、製造業中的缺陷檢測、醫學領域中的病灶檢測、農業領域中的害蟲識別監控……而這些都離不開“目標檢測”技術。圖像中的目標檢測是計算機視覺領域一個經典問題，目前已廣泛應用在互聯網、安防、製造、金融、醫療、零售、智慧城市等多個行業。
12月14日，百度 AI 快車道將走進深圳帶來關於目標檢測的“深度乾貨”，為 CV 開發者“撒福利”！本期 PaddleDetection 目標檢測專場，將由兩位百度深度學習技術平臺部高級工程師進行專業講解。他們不僅將為我們介紹飛槳目標檢測開發套件及產業應用案例，還將手把手教大家利用 YOLO V3 實現 AI 識蟲項目，讓你感受技術硬實力。
如果你對這樣豐富的深度學習理論加實戰課程感到心動，就趕緊報名吧！
活動主題：
PaddleDetection—飛槳目標檢測庫解析及實戰
課程時間&地點：
2019年12月14日 深圳百度國際大廈
課程安排：
- 13:30-14:00 簽到、現場交流
- 14:00-14:15 飛槳產業級深度學習開源開放平臺全景介紹
- 14:15-15:15 PaddleDetection飛槳目標檢測開發套件以及產業應用分享
- 15:15-15:45 應用 QA
- 16:00-17:00 YOLO V3應用實戰——AI 識蟲項目
關於 PaddleDetection
PaddleDetection 是基於飛槳的圖像檢測庫， 包含了主流檢測算法以及一系列優化組件，算法方面包括 FasterRCNN、MaskRCNN、Cascade-Faster-RCNN、Cascade-Mask-RCNN、RetinaNet、SSD、YOLOv3等通用物體檢測模型，以及 Faceboxes、BlazeFace 系列人臉檢測模型。優化組件包含跨卡同步的 Batch Norm，Group Norm，DeformableConv 等算子，以及多尺度訓練/測試、softnms 等功能以及支持混合精度訓練。
主要具備以下幾個特點:
- 模塊化設計:
- 依據檢測算法流程，模塊化設計各個組件，使得骨幹網絡、優化組件、數據預處理、數據集等均可靈活定製和擴展。
- 模型豐富：
- 開源了基於 COCO、Object365、Open Imagev5、WIDER FACE 等數據集的預訓練模型總數超過70個，其中包括大規模目標檢測挑戰賽奪冠模型，在 COCO 上 mAP 高達53.3%。除基線模型外，還有一系列改進模型，例如基於 ResNet-VD 版本的系列檢測模型， 相比 ResNet 原始版本 mAP 提高約1%-2%左右，改進版的 YOLOv3 在 COCO 上 mAP 高達41.3%，改進版的 BlazeFace 大小僅有234K，在端上評測相比原版加速約2倍。
- 工業級部署：
- PaddleDetection 中提供了基於飛槳的高性能推理引擎的部署方案，對於 Linux 和 Windows 都提供了良好的支持，使得訓練和部署可以無縫銜接。支持基於 TensorRT 和 MKLDNN 加速推理，在眾多模型上相比競品具備速度優勢。
關於 AI 快車道
百度 AI 快車道企業深度學習實戰營是百度依託自身深厚的深度學習技術實踐經驗，面向有 AI 技術需求企業的算法工程師、架構師群體提供的快速應用扶持計劃。
計劃的學習內容囊括了10套工程實施與深度學習技術落地結合的詳細方案，覆蓋百度領先的 AI 技術和業務應用場景的深入剖析。
如 OCR、精密儀器質檢、推薦排序經典場景、遙感圖像處理等；源於百度業務實踐的深度學習平臺飛槳的性能優勢、模型優勢、生態優勢的解讀；百度自研和頂級學術會議魁首算法、預訓練模型的詳細介紹，還有與案例和算法緊密相扣的在線實驗，並以“學來即用”的課程，進行業務問題定位、框架及算法的快速應用培訓，為更多企業帶去深度學習技術和經驗分享。
掃描二維碼或進入https://iwenjuan.baidu.com/?code=ylj9g9，報名百度 AI 快車道目標檢測專場吧！
閱讀更多 百度青島創新中心 的文章
