返回首页 内部办公网 English
当前位置:首页 > 学科科研 > 学术交流
第7期“互联”学术沙龙—— “基于深度学习的图像识别与目标检测”[图]
( 发布日期:2019-05-13 阅读:次)

2019年05月07日(周二)下午,王粤老师在信电楼536如期开始了本次学术沙龙讲座。由于教室空间限制,许多同学只能站着听此次讲座,但这并不能阻碍大家高涨的学习热情。在一番简单的自我介绍后,王老师开始了本次讲座。

 1.png
      本次讲座王老师主要和我们探讨了神经网络的由来及近年来的发展创新,着眼于卷积神经网络,梳理了一些经典的卷积神经网络各部分的构成、不同的作用,以及他们不同的特色。最后对一些典型的卷积神经网络架构、特别是基于图像识别与目标检测方面的神经网络进行介绍。
      首先,王粤老师就神经网络的科学基础进行了介绍,简单讲述了其由来、发展和创新,通过感知机与神经网络的对比,对不同的激励函数sigmoid 函数 、ReLU 函数等进行对比;神经网络的学习中所用的指标称为损失函数,在神经网络的学习中,寻找最优参数(权重和偏置)时,要寻找使损失函数的值尽可能小的参数。
      接着,王老师又介绍了卷积神经网络的结构,重点介绍了规则化、卷积、非线性映射、池化。并且对一些常用的视觉领域的开源数据集进行了介绍,如以非常完善的的MNIST手写数据集,它有60000个训练样本集和10000个测试样本集,可以训练简单的神经网络;再如对深度学习的浪潮起了巨大的推动作用的Imagenet,它是目前深度学习图像领域应用得非常多的一个领域,关于图像分类、定位、检测等研究工作大多基于此数据集展开。Imagenet数据集文档详细,有专门的团队维护,使用非常方便,在计算机视觉领域研究论文中应用非常广,几乎成为了目前深度学习图像领域算法性能检验的“标准”数据集。
      最后,王老师将传统的图像识别方法和卷积神经网络的方法进行比较,卷积实则是对图像做滤波。王老师还介绍了四种比较经典的卷积神经网络,LENET、AlexNet、VGG和GoogleNet,展示了它们各自的网络构架,让我们有了更加直观的理解。同时,王老师向我们介绍了深度学习广泛的应用,鼓励感兴趣的同学继续更深入的学习。
 2.png

衷心感谢王老师对基于深度学习的图像识别与目标检测这方面知识的详尽介绍,也希望同学们通过此次学术沙龙活动能有所收获。


供稿人:邓杨
摄影人:邓杨
分享到:0
上一条: 第8期“互联”学术沙龙—— “数据可视化基础与实践”[图] 2019-5-16
下一条: 第6期“互联”学术沙龙—— “车载网络安全与隐私”[图] 2019-5-7
浙公网安备33011802000512号