如何高效习得图像理解的应用技术
图像理解一直是机器学习的一个热门方向。从最基础的 MNIST 数字识别到高大上的 alphoto，从随处可见的图像检索到最近热门的人脸解锁，我们几乎能从每一项技术和应用中见到图像理解的身影。
《深度学习应用实践 60 讲》之 深度学习在图像理解中的应用从传统的图像理解入手，重点讲解图像特征学习的方法。然后基于深度学习的基础，结合图像检索和内容理解等实际场景，给你介绍深度学习的模型设计、调参、部署及应用。课程以“基础 + 模型 + 实例 + 引申启发”的方式对相关知识点展开讲授。
例如在图像特征学习的知识模块中，首先会基于两个简单的图像检索的例子，解释特征的定义，以及一些通用特征的设计。然后会基于特征学习工程，引申出传统的相似图像检索的应用，也就是微信扫一扫如何设计特征，加速检索，大规模部署的一些实践。在梳理了图像特征检索的理论和实践之后，会介绍深度学习的基础知识、常用的模型设计，以及一些训练中需要注意的技巧。接下来，结合另一个实践场景，也就是商品图像检索，介绍基于深度学习的图像理解如何设计网络、加速网络计算、完成数据获取和模型迁移。
在课程的最后，还将补充图像理解在实际项目中的一些额外技术，如物体检测，分割以及特征嵌入等。
熊鹏飞，旷视科技 Face++ 高级研究员，博士毕业于中科院自动化研究所。负责人脸相关技术，专注于计算机视觉、深度学习、图像理解等技术方向。曾就职于腾讯微信，先后参与并负责大规模图像搜索、用户画像、微信扫一扫、图像开放平台、视觉机器人、视频处理等项目。博士毕业于中科院自动化研究所。负责人脸相关技术，专注于计算机视觉、深度学习、图像理解等技术方向。曾就职于腾讯微信，先后参与并负责大规模图像搜索、用户画像、微信扫一扫、图像开放平台、视觉机器人、视频处理等项目。
在开始学习《图像理解》之前，可能需要你了解一些简单的深度学习或计算机视觉的概念，或者接触过一些图像理解相关技术的产品和服务。带着问题来学习才能够事半功倍。
《图像理解》不是 CS231 之类的深度学习入门，而是基于实际应用的一些理论解释和实践心得。希望你能够从实际场景入手，首先梳理一个完整的图像检索或内容理解的框架，以便更灵活、深入地研究中间的每一个环节。
因为每一项图像理解的服务都不是一个单点的技术，所以我们会尽可能涉及到每项技术的细节，这就需要你有一个基础的算法思想。课程中，老师不会进行过于底层的算法推导，而更多的是指出模型设计和训练中需要注意的小地方，以及系统部署和实施中会遇到的潜在问题。
有些问题看起来与图像理解没有直接的关联，但很可能会在实际应用中对你有所帮助和启发。同时，课程中出现的相关数学推导，也需要你深入思考，因为只有理解了这些公式的内核，你才能更好的理解技术的改进方向。
希望你在学完本课程后，能够在算法优化、产品设计、系统部署，甚至项目管理中获益。
新用户注册即享 30 元红包，可立即使用。（下载“极客时间”APP，注册并登录，领取 30 元 新人红包。）
扫描上方二维码或者点击「阅读原文」免费试看课程。
关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
InfoQ
关注网络尖刀微信公众号
