极市分享干货|第 5 期:CNN 和图模型在多视觉任务融合的应用

技术直播 Admin ⋅ 于 2周前 ⋅ 122 阅读

“极市第五期分享。UCLA王鹏博士给大家分享了如何将计算机视觉的各项任务融合,利用CNN和图模型提升物体分割和图像三维估计的效果。”


年来,统一的深度学习已经涵盖了计算机视觉的多种任务,如分割、检测和深度估计等等。然而多种信息之间并不是独立存在的,而是相互影响和协调的。深度学习提供了一个高效而统一的框架,为我们进一步融合信息提供了基础。而经典的图模型天然是用来对因素之间的影响和一致性建模,从而获得更鲁棒的信息表达。本次分享王鹏博士讲解了如何进一步融合信息,利用CNN和图模型提升物体分割和图像三维估计的效果。


分享人简介

王鹏,北京大学本硕,UCLA博士,师从Alan Yuille教授(UCLA视觉识别与机器学习主任,霍金之徒)。先后在微软Media Computing、Adobe Imagination Lab、百度IDL和谷歌Machine Perception实习,发表了CVPR、ICCV、ECCV等顶级论文10余篇,获得多项专利。研究兴趣为机器学习方法,深度学习和图模型,计算机视觉,多信息融合等。


分享视频

直播PPT资料下载
链接:http://pan.baidu.com/s/1mic0IO4
提取码:提示:此内容登录后可查看


部分PPT分享

file
file
file
file


往期回顾:

极市致力于打造最专业的的视觉算法开发与分发平台,特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验

极市计算机视觉线上技术分享集锦

file
△ 关注极市平台
获得最新CV干货期分享

微信公众号: 极市平台(ID: extrememart )
每天推送最新CV干货

成为第一个点赞的人吧 :bowtie:
回复数量: 0
暂无回复~
您需要登陆以后才能留下评论!