lhl428 发表于 2023-1-18 18:24:27

模型工具链 | 感知模型的工业化落地之路



从模型的算法研究到生产部署,其间的落地鸿沟之大一直较少被人提及和重视。

模型工具链系列课程-「感知模型的工业化落地之路」将带你详细了解商汤-模型工具链团队在解决算法落地过程中的技术思考,深入理解模型的工业化落地流程是如何更加高效和便捷!

第一期课程,「目标检测落地难题:样本不平衡与长尾分布」,将于3月29日(周二)19:00在商汤学术视频号和商汤科技 B 站直播间准时开播,感兴趣的小伙伴们千万不要错过哦!



模型工具链系列课程

人工智能正在加速各行各业技术升级、提升社会的运行效率,而人工智能中的视觉感知类任务扮演着重要的角色。
从目标检测、属性识别的高效模型训练,到模型压缩、量化部署推理,虽然学术界和开源社区有大量的成熟工作可供借鉴,但如何批量生产在工业级场景下满足精度和速度的模型,依然不是一个简单的问题。
本次课程将从工业级目标检测、模型量化两个角度出发,介绍商汤-模型工具链团队在解决算法落地过程中的技术思考,同时介绍一系列实用的模型生产开源框架。
通过本次课程,同学们可以获得大量实用的模型训练和压缩技巧,深入理解模型的工业化落地流程是如何变得更加高效和便捷。
课程表在这里啦,快快右键收藏吧~



第一期课程

课程信息
类别不平衡是目标检测中常见的一类问题,其为训练一个良好的目标检测系统带来了巨大的挑战。在现实场景中,普遍的长尾分布——极端的类别不平衡则更是加剧了这一情况。
在首期课程中,分享嘉宾将介绍样本不平衡与长尾目标识别的概念,并分析其造成模型训练困难的主要原因。为了更好地应对目标检测在落地场景中面临的长尾问题,研究团队将提供一系列简单实用的算法与模型训练方法。最后,本期课程也将对长尾目标识别的未来发展方向进行分析与展望。
1. 整体课程介绍2. 不平衡的目标检测介绍3. 现实场景中不可避免的长尾分布4. 长尾目标检测的分析与主要解决方法5. 长尾问题的未来与展望6. Q & A

主讲人介绍



谭靖儒

上海同济大学在读博士生,曾获得商汤年度优秀实习生。现主要研究方向为基于深度学习的大规模目标检测与实例分割以及长尾分布下的目标识别,曾在CVPR上发表过4篇论文。期间负责了商汤内部目标检测框架的开发与维护。个人主页:https://github.com/tztztztztz



余锋伟
商汤研究院-研究副总监,模型工具链团队负责人,本硕毕业于北京航空航天大学计算机学院。曾获得MOT16视频多目标跟踪冠军,ASC世界大学生超级计算机竞赛一等奖等。现负责公司内部模型生产框架和模型部署测试中台,致力于通过System+AI的视角推动深度学习算法的低成本、规模化落地,团队研究方向包括大规模训练、视觉感知算法、模型多平台压缩与部署、软硬件协同等等。在ECCV、ICCV、CVPR、ICLR、ICPP、NeurIPS等AI和系统会议上发表超过15篇论文。个人主页:https://forwil.xyz/团队开源项目链接:https://github.com/ModelTC

社群报名

结合不同研究方向,商汤学术希望为各个领域的师生学者打造专属的精品 AI 社群,一起了解最新 AI 前沿知识,倾听大咖经验分享,接触顶尖学者和行业领袖,让所有的 AI 人都有“家”可归。
本次模型工具链系列课程将为大家限时开放“模型工具链”专属社群!配合整体课程安排,群内将按时提醒进展、分享资料、发布任务、解答疑问,还有丰富多彩的社群活动等你参加~如果你想与一群志同道合的小伙伴深入探讨,快快扫码填写报名表加入我们吧!



模型工具链 专属社群报名表

相关资料
公众号后台回复“模型工具链”,即可获取详细的课程资料~
页: [1]
查看完整版本: 模型工具链 | 感知模型的工业化落地之路