現(xiàn)有機器視覺學(xué)習(xí)技術(shù)通常依賴于大規(guī)模精確標注的訓(xùn)練數(shù)據(jù)。在典型實驗室環(huán)境下設(shè)計和訓(xùn)練的人工智能模型，在行業(yè)應(yīng)用場景變換時，容易導(dǎo)致系統(tǒng)性能急劇下降。本課程將從弱監(jiān)督視覺理解的角度，介紹在降低模型對特定應(yīng)用場景數(shù)據(jù)依賴方面所開展的一些研究工作。
課程簡介
本課程介紹了在降低模型對特定應(yīng)用場景數(shù)據(jù)依賴方面所開展的一些研究工作。
課程目標
通過本課程的學(xué)習(xí)，使學(xué)員了解：
1、如何構(gòu)建高效的神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模型。
2、如何學(xué)習(xí)顯著性物體、邊緣等通用屬性。
3、如何利用通用屬性構(gòu)建弱監(jiān)督學(xué)習(xí)模型，并進而利用互聯(lián)網(wǎng)數(shù)據(jù)自主完成知識學(xué)習(xí)。
課程大綱
第1章 什么是開放環(huán)境的自適應(yīng)感知
第2章 面向識別與理解的神經(jīng)網(wǎng)絡(luò)共性技術(shù)
第3章 通用視覺基元屬性感知
第4章 相關(guān)機器學(xué)習(xí)算法
