首页 炼丹房 帖子详情
飞桨CV7日打卡营中我学到的那几个点
收藏
快速回复
炼丹房 其他新手上路 678 0
飞桨CV7日打卡营中我学到的那几个点
收藏
快速回复
炼丹房 其他新手上路 678 0

一样的快节奏,不一样的打卡营。3月31日--4月6日,paddlepaddle第五期深度学习7日打卡营,嗖的一下便结束了。打卡营中包括疫情可视化、手势识别、车牌识别、口罩识别、人流密度检测、paddlesim模型压缩在内6大实战项目却让人流连忘返意犹未尽。

D1。CV发展史+数据可视化。

day one,开门见山。中科院计算技术研究所陈博士将数十年CV发展史中的那么些颗璀璨明珠信手拈来。SIFT专家级图像特征检测算法以极小的计算代价获取相对来说具有极高辨识度的图像特征表示。基于二进制hash的索引系统以极小的空间消耗关联海量图片。类似词袋技术的图像特征词袋辅以数万维的图像特征变换,在当时有限的算力支撑下触摸到人工提取图像特征所能达到的CV极限。现代深度学习技术则让新世界的大门为人类敞开。一个个奇思妙想不断打破未知边界,CV在一次次绝望中涅槃,并非刻意却在那么一瞬间展现出如此惊艳的姿态。如果说陈博士在波澜不惊的讲述中为我们摊开一副史诗般波澜壮阔的唯美画卷,python爬虫和数据可视化实战则又让人实实在在体味到信息大爆炸时代DT技术能够撬动的无限未来。成品如上。基于配置pyecharts,寥寥数笔,千万图表招之即来。

D2。全连接神经网络+手势识别。

day two。满满的技术扑面而来。熟悉又陌生的全连接神经网络。初次接触还是2005年,当时是那么好奇的看着MatLab的BP网络。当时既缺算例、又没有场景,真的只是看着。恰到好处的深度、恰到好处的节点数目,恰到好处的学习率,恰到好处的数据集,当时一切随缘的偶遇,现在已是套路满满的科学。又一次一层层的添加网络,又一次一点点的加载数据。当数百轮次训练后三层网络到达极限,当读入三层网络数据后的四层网络在验证集上的准确率突然抬升,相隔15年,同样的喜悦,别样的心情。

D3。卷积神经网络+车牌识别

day 3。遇见LeNet。CV专属解决方案闪亮登场。卷积核共享参数,池化获取全局视野,通道自动完成专家级的特征提取。当CV遇到卷积,一切变得那么的顺理成章。脱胎于paddlepaddle1.7的动态图API,CV变得那么的亲切自然。大道至简,计算视觉变得如此触手可及。落地落地,似乎我们曾经错过的只是那么一丝灵感。时间却已缓缓流过十余年。

D4。CV经典+口罩识别实战

Day 4。硬核技术扑面而来。一个Relu开创一个时代。GooleNet则把1X1卷积玩到极致,bottleneck将计算量减了何止一半,各种拼接眼花缭乱。ResNet则勘破反向传播的本质,从此深度不再是障碍。短短几年,CV已经成为了一个已经解决了的问题。从GPU到TPU,算法和硬件一路狂奔。雁过无痕,曾经我们与他们生活在同一个年代,如今想要追赶的脚步却总是迈的不够快。

D5。人流密度评估比赛

Day 5。鏖战,直到现在。点标注和框标注怎么处理,忽略区域怎么弄,分类?回归?一个个问题在baseline中变得清澈。全部数据重新计算为点数据,通过高斯核处理后做图片回归!这便是引领一个领域的算法工程师的视角。落差很明显。当通宵训练50轮后惨不忍睹预测数据摆在眼前,第一次对算力是那么的期盼。鏖战、鏖战!

D6。paddleslim

Day 6。好在还能听听课,缓缓在鏖战中各种受伤的心灵。paddleSlim,可以量化、可以剪枝,可以蒸馏,可以搜索。Slim啊Slim,帮我提个人流密度评估的模型出来呗。。。。。。

从激动到心酸,一个7日营,恍若隔世,一梦十余年。技术兴起时总是给人那么多美丽的想象,真要跨过去却要经历那么多磨难。但是谁让我们活在现在,这个无时不刻不在突破,每分每秒都在爆炸的时代。鏖战!鏖战

 

 

 

 

0
收藏
回复
在@后输入用户全名并按空格结束,可艾特全站任一用户