计算机视觉，凉了？！

作为计算机视觉中的核心任务之一，在智能视频监控、自动化检测、工业检测等领域应用中目标检测发挥了巨大的作用。同时，随着深度学习的广泛应用，目标检测的精确度和效率都得到了较大的提升，但基于深度学习的目标检测仍面临着改进与优化关键技术的挑战。

在目标检测器中，Backbone是基本特征提取的重要组成部分，如SSD采用VGG，YOLO采用DarkNet，Faster R-CNN采用ResNet，检测器的性能在很大程度上取决于它。

但是，大多数目标检测器直接使用的Backbone往往不是最优的，这就引发了一些困惑：

· 如何在保证效果好的同时，选择性能更好的模型，降低成本和能耗；

· 如何确保目标检测器找到每个目标的位置和分类；

· 如何从发展的角度理解模型的设计思路；

· 如何理解CNN的模型落地准则和计算效率……

那么，如何才能正确的梳理模型和设计思路？如何学习实时目标检测的高效Backbone网络？理解兼具精度与效率优势的VoVNet呢？

不要急，这里就有一节重磅公开课，由开课吧高级人工智能导师赵明明老师倾情授课，将围绕高效网络结构设计原理，深入浅出讲解VoVNet这种高效的、较新的实时目标检测网络结构，从发展的角度带你理解模型。

7月26日，晚19点30分

现在特惠0元抢

赶快报名参加吧

扫描下方二维码

成为资深算法工程师

也许并不难

报名后

还能免费领取AI学习资料哦

（文末查看资料详情）

本门课程，老师将深入浅出讲解原理，从发展的角度带你理解模型。

课程内也会涉及VoVNet、实时目标检测、Backbone、FLOPs、内存访问成本MAC、GPU计算效率、单聚合模块OSA等多个关键技术点：

本次课程结束后，你将会学到：

1、CNN的模型落地准则和计算效率

2、高效网络的设计思路

3、VoVNet结构及原理

能在一定程度上，帮助你理解设计原理，了解高效的、较新的实时目标检测网络结构，助力成为资深算法工程师。

计算机视觉作为AI领域重要的分支，有着重要的地位。但其实，AI学习不仅仅在于模型掌握了多少，更多的在于你的算法分析和设计能力、工程实践能力、算法模型的优化能力。

在上公开课的同时，我们又为大家准备了一些AI学习资料大礼包，非常适合本科、硕士以及刚接触机器学习的博士，还有一些想要转行AI的小伙伴，现在免费送给大家！

现在报名本次公开课，就可以全部送给你，赶快报名添加顾问领取吧。