详解通用物体检测算法：基于锚框与无需锚框

物体检测通常是指在图像中检测出物体出现的位置及对应的类别，它是计算机视觉中的根本问题之一，同时也是最基础的问题，如图像分割、物体追踪、关键点检测等都依赖物体检测。

从应用来看，物体检测已广泛应用于大家的日常生活中，如浏览器的拍照识图、自动驾驶领域的行人车辆检测、道路目标检测（人行道检测）及图像分类等。

即使研究三维视觉的伙伴也发现，检测也是必备的基础，如在做人脸的重建，也离不开检测框，不然无法ROI重建；相机标定也离不开直线检测，检测对求消失点和2D-3D直线匹配也十分重要。随着研究的深入以及广泛落地应用，很多企业在招聘中对该领域人才要求也越来越高。

（滑动查看更多）

图片来源于Boss&猎聘

面对企业的高要求，伙伴们只有不断地学习才能达到企业要求，但在学习过程中尤其是领域内提出新方法后，会遇到很多难题，如：在初步理解方法思路之后，很难高效调试代码并复现作者结果，同时也很难找到获取解答的途径，以至于学习道路处处是瓶颈。 

基于此，深蓝学院联合中科院自动化所模式识别国家重点实验室张士峰博士推出『基于深度学习的物体检测』课程，帮助同学们学习算法背后的根本原理和调试代码程序的方式与思路，提升解决实际问题的能力。

课程以模型演化时间轴为主线，剖析极具代表性的物体检测算法的核心思想与基本原理，并结合相关代码讲解具体的实现细节，让大家透彻理解物体检测的主流算法。

课程现已经开放报名，欢迎大家了解咨询~

讲师介绍

 

课程大纲

（点击查看大图） 

实践项目（部分）

本门课程采用理论与实践相结合的教学方式，每章节后都有实践项目，让大家将课上所学知识，即学即用，通过亲自动手实践达到灵活掌握，融会贯通的效果。

（点击查看大图）

学后收获

1. 掌握基于锚框的通用物体检测算法：多阶段法Faster R-CNN及其衍生算法、单阶段算法SSD和RetinaNet；

2. 掌握无需锚框的通用物体检测算法：关键点法CornetNet和中心域法FCOS；

3. 掌握人脸检测传统算法Viola-Jones，基于深度学习的算法Cascade CNN（早期）、FaceBoxes、SFDet、RetinaFace；

4. 掌握行人检测的传统算法DPM，基于深度学习的算法RPN+BF（早期）、RepLoss、OR-CNN和JoinDet；

5. 具备单步调试算法代码并排查算法问题的能力； 

还能收获

1. 优质的学习圈子

伙伴们大多是来自985、211及海外院校硕博，在这里大家一起学习、讨论与研究。独一无二的优质圈子将是你未来学习与就业的宝贵资源。

2. 企业认可的证书

学完课程后将有机会收获优秀学员证书、毕业证书，为你的简历加分添彩。

课程服务

1. 三师助力

讲师&助教及时答疑解惑，班主任全程带班督学，帮你克服拖延，不断进步。

2. 定期班会

助教1v1批改作业，并在班会中进行讲评和指导；在班会中，学习更多技巧；在交流中收获更多思路。

 · 抢占优惠名额 · 

名额有限

扫码备注“12”，优先咨询哦~

添加客服「黎新」

咨询更多内容~