神经网络多任务之图像识别与实例分割

多关注各个公众号，tinymind社区，arxiv 精读经典论文，从reference开始通读相关成果
框架选择/环境
mxnet/tensorflow/pyTorch都差不多，基础最重要 课程有环境安装的指导
windows真心不推荐
卷积神经网络
经典卷积神经网络的结构
讲师：张聪
人工智能的前世
起源
克劳德·香农的信息论以及阿兰·图灵 的计算理论也对机器学习有深远影响。
在图灵描述的“图灵测试”中，如果 一个人在使用文本交互时不能区分他的对 话对象到底是人类还是机器的话，那么即 可认为这台机器是有智能的。
人工智能的前世
起源
人工智能的前世
发展
人工智能的今生
如今
人工பைடு நூலகம்能无处不在
人工智能的前世今生
人工智能，一个来自百年前的概念
人工智能的前世今生
人工智能(Artificial Intelligence)是什么？
核心概念就是让机器“像人一样思考”，即会执行诸如推 理、计划、学习和理解语言等任务。
虽然人工智能似乎是最近几年刚兴起的名词，但它所基于 的神经网络模型和用数据编程的核心思想已经被研究了数百年。
LeNet-5
AlexNet
• Alexnet imagenet classification with deep convolutional neural networks
VGG
• Very Deep Convolutional Networks for Large-Scale Image Recognition(2014), arXiv:1409.1556
• 结构简洁 • 进一步提高了深度 • 简单的结构使其权重用途广泛 • 大量使用3x3，1x1的小尺寸卷积核 • 以深度弥补卷积核视野不足的问题
VGG
GoogLeNet
• arXiv:1409.4842 • 首次提出了inception结构 • branch结构，在训练过程中由网络自动选择分支 • 1x1卷积降维
目标检测—Maske R-CNN
目标检测—Maske R-CNN
目标检测—Maske R-CNN
目标检测—Fast R-CNN
目标检测—Faster R-CNN
Faster R-cnn
目标检测--Yolo
You Only Look Once:Unified,RealTime Object Detection
目标检测--SSD
目标检测—Maske R-CNN
目标检测—Maske R-CNN
人工智能的前世
起源
早在17世纪， 雅各比·伯努利 （1655–1705） 提出了描述只有 两种结果的随机过程（如抛掷一 枚 硬币）的伯努利分布。
人工智能的前世
起源
大约一个世纪之后， 卡尔·弗 里德里希·高斯（1777–1855） 发 明了今日仍广泛应用在从保险计算 到医学诊断等领域的最小二乘法。
人类视觉原理
人类视觉原理
对于不同的物体，人类视觉也是通过这样逐层分级，来进行认知的：
卷积神经网络介绍
降低参数量级
降低参数量级
我们用100个10x10的小过滤器，就能够描述整幅 图片上的底层特征。
卷积的引入
卷积运算的定义如下图所示：
池化的引入
池化听起来很高深，其实简单的说就是下采样。池化的过程如下图所示：
ResNet
• 网络退化问题： • 浅层网络：
• 可训练 • 收敛快 • 效果好 • 参数少 • 深层网络（效果更好？） • underfitting
• Deep residual network（ResNet） arXiv：1512.03385
• 残差block
• 堆叠式结构
• 深度的突破和终结（出现多达1000层 的网络）
F(X)=0的情况下，深层网络退化为浅 层网络
ResNet
已被证明有效的模块设计-基础模块 卷积：
dropout：
pooling：
BatchNormal：
卷积神经网络
常用的目标检测模型
张聪
目标检测
以yolov3为例目标检测的效果图：
目标检测算法
目标检测—R-CNN
R-CNN：可以说是深度学习目标检测的开山鼻祖
人工智能的前世
起源
即使是在中世纪， 数学家也热衷于利用统 计学来做出估计。例 如，在雅各比·科贝尔的 几何书中记载了使用16 名男子的平均脚长来估 计男子的平均脚长。
人工智能的前世
起源
现代统计学在20世纪的真正起飞要归功于 数据的收集和发布。统计学巨匠之一罗纳德·费 雪，对统计学理论和统计学在基因学中的应用 功不可没。即使是他在1936年发布的Iris数据 集，仍然偶尔被用于演示机器学习算法。
人工智能的今生
人工智能的今生
人工智能的今生
人工智能的今生
服务机器人 KUKA机器人
可学习的Baxter机器人 波士顿动力机器人
人工智能的今生
图文来自：CSDN 2018中国人工智能产业路线图 V2.0
人工智能的今生
图文来自：CSDN 2018中国人工智能产业路线图 V2.0
人工智能的今生
图文来自：CSDN 2018-2019 中国开发者调查报告
人工智能的今生
图文来自：CSDN 2018-2019 中国开发者调查报告
一些建议
数学
知道怎么用就行
看不懂推导就先略过 先从调包侠开始
论文阅读
To Get your Hands Dirty！！！ 撸袖子干吧！！！
直接从英文开始
《人工智能工程师》
图像识别与实例分割
课程纲要
1. 人工智能介绍——人工智能的前世今生 2. 深度卷积神经网络——经典网络结构解读 3. 卷积神经网络设计——常用基本模块使用 4. 深度卷积神经网络——常用的目标检测模型（1） 5. 深度卷积神经网络——常用的目标检测模型（2） 6. 实战：神经网络多任务——图像识别与实例分割 7. 课程答疑