课程介绍

• 

  王井东

  资深研究员

  微软亚洲研究院视觉计算组资深研究员，国际模式识别学会会士，曾担任CVPR、ICCV、ECCV、AAAI等计算机视觉和人工智能会议的领域主席和高级程序委员会委员。在视觉、机器学习以及多媒体领域里发表论文100余篇，个人专著一本。

• 主题说明

  本课程将会讲解发表在计算机视觉顶级会议上的ICCV 2017和CVPR2018交错组卷积的方法，优于ResNets和谷歌的Mobilenets。交错组卷积包括几个互相互补的组卷积，可以解释为结构化的稀疏矩阵的乘积。在相同参数量相同计算量的条件下，会得到比标准卷积和Mobilenet更宽的网络，所以结果会更好。两篇论文可以从https://arxiv.org/abs/1707.02725 和 https://arxiv.org/abs/1804.06202 下载。相应的代码：https://github.com/welleast。

• 适合对象

  对卷积神经网络和矩阵计算有初步了解，希望进一步提升的学习者。

• 学习要点

  本次公开课讲师是微软亚洲研究院视觉计算组研究员王井东博士。

  设计高效的卷积神经网络是非常重要和基础的问题，其关键点是如何消除卷积核的冗余性，本节课我们将围绕这一主题为大家讲解。

   

  课程大纲：

  1.  深度卷积神经网络设计的两个主要研究方向：变深和消除冗余。总结和分类。
  2.  交错组卷积版本一：大网络结构，优于ResNet。 （ICCV 2017）
  3.  交错组卷积版本二：小网络结构，优于MobileNet。（CVPR 2018）

   

  添加小助手，备注：公开课，邀你加入课程交流群

  

• 课时安排

  注：

  1、开课前会有短信提醒或者邮件提醒，还请报名的时候填写正确的手机号码及邮箱地址

  2、开课后2-3个工作日内会上传本节课的视频回放，请无法观看直播视频的同学放心，回放视频不限时观看，届时请到报名页观看回放即可

   

  课程安排如下：

  19:45—20:00  学员提前入场

  20:00—20:45  讲师上课

  20:45—21:00  讲师答疑环节