機器學(xué)習 遷移學(xué)習

1.深入了解神經(jīng)網(wǎng)絡(luò )的組成、訓練和實(shí)現，掌握深度空間特征分布等關(guān)鍵概念；

2.掌握遷移學(xué)習的思想與基本形式，了解傳統遷移學(xué)習的基本方法，對比各種方法的優(yōu)缺點(diǎn)；

3.握深度遷移學(xué)習的思想與組成模塊，學(xué)習深度遷移學(xué)習的各種方法；

4.掌握深度遷移學(xué)習的網(wǎng)絡(luò )結構設計、目標函數設計的前沿方法，了解遷移學(xué)習在PDA、Source-Free DA上的應用；

5.掌握深度遷移學(xué)習在語(yǔ)義分割、目標檢測、行人重識別等任務(wù)中的應用，學(xué)習圖像/視頻風(fēng)格遷移方法，了解風(fēng)格遷移在實(shí)際生活中的應用；

6.掌握小樣本學(xué)習、Transformer等前沿方法和基本思想，了解小樣本學(xué)習、Transformer等在實(shí)際場(chǎng)景下的應用；

7.通過(guò)實(shí)操掌握圖片視頻風(fēng)格遷移，自動(dòng)駕駛中的跨域語(yǔ)義分割，目標檢測。

老師：來(lái)自中國科學(xué)院計算技術(shù)研究所、清華大學(xué)、北京理工大學(xué)等科研機構和大學(xué)的高級專(zhuān)家，擁有豐富的科研及工程技術(shù)經(jīng)驗，長(cháng)期從事深度學(xué)習、遷移學(xué)習、計算機視覺(jué)等領(lǐng)域的教學(xué)與研究工作。

人員：各省市、自治區從事人工智能、機器學(xué)習、深度學(xué)習、遷移學(xué)習、計算機視覺(jué)、自然語(yǔ)言處理、語(yǔ)音識別、圖像處理、小樣本分析等領(lǐng)域相關(guān)的企事業(yè)單位技術(shù)骨干、科研院所研究人員和大專(zhuān)院校相關(guān)專(zhuān)業(yè)教學(xué)人員及在校研究生等相關(guān)人員，以及深度遷移學(xué)習廣大愛(ài)好者。

一、機器學(xué)習簡(jiǎn)介與經(jīng)典機器學(xué)習算法介紹

1.什么是機器學(xué)習？

2.機器學(xué)習框架與基本組成

3.機器學(xué)習的訓練步驟

4.機器學(xué)習問(wèn)題的分類(lèi)

5.經(jīng)典機器學(xué)習算法介紹

目標：機器學(xué)習是人工智能的重要技術(shù)之一，詳細了解機器學(xué)習的原理、機制和方法，為學(xué)習深度學(xué)習與遷移學(xué)習打下堅實(shí)的基礎。

二、深度學(xué)習簡(jiǎn)介與經(jīng)典網(wǎng)絡(luò )結構介紹

1.神經(jīng)網(wǎng)絡(luò )簡(jiǎn)介

2.神經(jīng)網(wǎng)絡(luò )組件簡(jiǎn)介

3.神經(jīng)網(wǎng)絡(luò )訓練方法

4.卷積神經(jīng)網(wǎng)絡(luò )介紹

5.經(jīng)典網(wǎng)絡(luò )結構介紹

目標：深入了解神經(jīng)網(wǎng)絡(luò )的組成、訓練和實(shí)現，掌握深度空間特征分布等關(guān)鍵概念，為深度遷移學(xué)習奠定知識基礎。

三、遷移學(xué)習基礎

1.遷移學(xué)習緒論

2.基于樣本的遷移學(xué)習

3.基于特征的遷移學(xué)習

4.基于分類(lèi)器適配的遷移學(xué)習

目標：掌握遷移學(xué)習的思想與基本形式，了解傳統遷移學(xué)習的基本方法，對比各種方法的優(yōu)缺點(diǎn)，掌握遷移學(xué)習的適用范圍。

四、深度遷移學(xué)習介紹

1.深度遷移學(xué)習概述

2.基于距離函數的深度遷移學(xué)習

3.基于對抗網(wǎng)絡(luò )的深度遷移學(xué)習

4.深度異構遷移學(xué)習方法介紹

5.深度領(lǐng)域泛化學(xué)習介紹

目標：掌握深度遷移學(xué)習的思想與組成模塊，學(xué)習深度遷移學(xué)習的各種方法，對比各種方法的優(yōu)缺點(diǎn)，掌握深度遷移學(xué)習的適用范圍。

五、遷移學(xué)習前沿方法介紹

1.深度遷移網(wǎng)絡(luò )結構設計

2.深度遷移學(xué)習目標函數設計

3.全新場(chǎng)景下的遷移學(xué)習

目標：掌握深度遷移學(xué)習的網(wǎng)絡(luò )結構設計、目標函數設計的前沿方法，了解遷移學(xué)習在PDA、Source-Free DA上的應用。

六、遷移學(xué)習前沿應用

1.遷移學(xué)習在語(yǔ)義分割中的應用

2.遷移學(xué)習在目標檢測中的應用

3.遷移學(xué)習在行人重識別中的應用

4.圖片與視頻風(fēng)格遷移

目標：掌握深度遷移學(xué)習在語(yǔ)義分割、目標檢測、行人重識別等任務(wù)中的應用，學(xué)習圖像/視頻風(fēng)格遷移方法，了解風(fēng)格遷移在實(shí)際生活中的應用。

七、小樣本學(xué)習、Transformer等前沿方法與應用

1.小樣本學(xué)習概念與基本方法介紹

2.小樣本學(xué)習應用

3.Transformer概念與基本方法介紹

4.Transformer在圖像領(lǐng)域的應用

目標：掌握小樣本學(xué)習、Transformer等前沿方法和基本思想，了解小樣本學(xué)習、Transformer等在實(shí)際場(chǎng)景下的應用。

八、實(shí)驗實(shí)操之實(shí)操環(huán)境搭建

1. 硬件準備：GPU顯存11GB以上

2. 軟件準備：Linux操作系統（Ubuntu16.04以上），顯卡驅動(dòng)安裝（512.54），CUDA Toolkit（10.1）和cuDNN加速庫（7.6.4），VS Code編輯器安裝，Jupyter Notebook

3. 編程語(yǔ)言和框架：Python3.8.5、torch==1..07、torchvision==0.8.2、mmcv-full==1.3.7、opencv-python==4.4.0、matplotlib==3.4.2、numpy==1.19.2、Pillow==8.3.1、scikit-learn==1.0.2

4. 數據集準備：Office-31、IRVI、GTA5、Cityscapes、Foggy cityscapes等

注：硬件準備由主辦方提供云服務(wù)器

九、實(shí)驗實(shí)操之深度遷移學(xué)習實(shí)踐

1.掌握PyTorch中的基本原理和編程思想。

2.理解在一個(gè)新的場(chǎng)景或數據集下，何時(shí)以及如何進(jìn)行遷移學(xué)習。

3.利用PyTorch加載數據、搭建模型、訓練網(wǎng)絡(luò )以及進(jìn)行網(wǎng)絡(luò )微調操作。

4.給定遷移場(chǎng)景，利用daib庫和生成對抗技術(shù)獨立完成圖像分類(lèi)中的領(lǐng)域適配。

5.遷移效果的可視化，利用機器學(xué)習庫scikit-learn中的t-SNE對遷移過(guò)后的高維數據進(jìn)行可視化。

十、實(shí)驗實(shí)操之圖片與視頻風(fēng)格遷移實(shí)踐

1.掌握基于生成對抗網(wǎng)絡(luò )的風(fēng)格遷移技術(shù)。

2.圖像/視頻風(fēng)格遷移網(wǎng)絡(luò )的搭建，重點(diǎn)掌握編碼器和****的內在邏輯和不同損失函數的運用。

3.實(shí)踐紅外視頻轉換到可見(jiàn)光視頻的風(fēng)格遷移。

十一、實(shí)驗實(shí)操之自動(dòng)駕駛中的跨域語(yǔ)義分割實(shí)踐

1.掌握語(yǔ)義分割發(fā)展現狀及代表性工作，如FCN，DeepLab系列等。

2.了解常用的語(yǔ)義分割評價(jià)指標（PA、mPA、mIoU、FWIoU）和常見(jiàn)數據集（PASCAL VOC2012，ADE20K、BDD100K、Cityscapes、GTA5、Dark Zurich）。

3.語(yǔ)義分割工具箱MMSegmentaion的認識和使用。

4.設計一個(gè)分割模型能夠從仿真環(huán)境中得到的數據遷移到真實(shí)場(chǎng)景下產(chǎn)生的數據。

十二、實(shí)驗實(shí)操之目標檢測實(shí)踐

1.掌握目標檢測算法的基本框架以及目標檢測中的經(jīng)典模型，如R-CNN系列的兩階段檢測模型和YOLO系列的單階段檢測模型。

2.掌握目標檢測模型的評測指標（IOU和mAP）、標準評測數據集（Pascal VOC，MS COCO和Cityscapes）以及檢測模型中的一些訓練技巧，如數據增強、多尺度訓練/測試、預測框微調/投****法、在線(xiàn)難例挖掘、軟化非極大抑制、RoI對齊和集成。

3.實(shí)踐基于Transformer的端到端目標檢測框架的搭建，并在新的數據集上與基于CNN的網(wǎng)絡(luò )進(jìn)行遷移性能的對比。

我們的官網(wǎng)：www.chinaai.org.cn

關(guān)注微信公眾號人工智能技術(shù)與咨詢(xún)了解更多！