ArchSummit北京2014大会8大专题征集演讲嘉宾

ArchSummit是由InfoQ主办的全球顶级架构师盛会,秉承“侧重业务场景,引领技术趋势;开放竞合,不忘初心”,ArchSummit全球架构师峰会继2012年和2014年分别在深圳举行后,今年12月19-20日将首次来到北京,也作为对2014年国内IT领域的年末收官。本次大会共设有8大专题:

\\
  • 互联网金融 既要懂金融业务流程,也要懂技术架构和产品,三位一体才能赢。\\t
  • 转型中的SNS 微信、微博如何留住用户?新兴的,处在边缘市场的SNS如何转型,找到自己的定位。到底什么样的系统架构才足以应对持续演变的SNS产品形态,这是所有SNS平台架构师思考的问题。\\t
  • 智能硬件,更懂你 从“盒子”到“手环”,从“路由”到“门锁”,智能硬件正在一步步占据生活的方方面面。在这里,你可以看到智能硬件演进的趋势及新机会。\\t
  • 研发体系构建 随着技术团队日益壮大,推进技术更新的阻力越来越大,普遍的情况是架构师就像救火队员,真正关系公司平台架构的事反而做得很少,为什么会这样?能不能找到一个方法,更高效和灵活的组织研发团队呢?\\t
  • 电商,不是搭个平台就能赢 电商和传统行业的衔接的紧密程度和复杂程度是传统互联网商业模式不可比拟的,物流、交易、支付、供应商及合作伙伴、售后服务等要求电商企业掌握多种不同类型的系统知识和架构,并对系统的开放性、整合传统行业信息系统能力提出了前所未有的挑战。\\t
  • 移动互联网,随时随地 移动互联网的大潮已经势不可挡,不论是传统软件企业,还是新兴创业公司,大家要么在往移动互联网转型,要么在全新打造移动应用,与传统的软件产品不同,移动应用更加注重用户体验、开放创新,在这样的背景下,知名移动应用的架构师们是如何设计和演进其产品的前后端架构,其中有哪些值得学习的经验和教训,“移动应用架构之道”专题将邀请业界知名的架构师来分享移动互联网领域产品成功背后的架构心法。\\t
  • 云计算与大数据,从技术选型说起 云和大数据是架构师谈论最多的话题。但如何在纷繁复杂的方案和架构中选择符合自身业务需求方案是困扰所有架构师的问题。本专题将邀请成功的云和大数据实践公司分享他们的实践与得失,从而总结出一套甄选解决方案的方法。\\t
  • 云计算解决方案专场 云计算提供了丰富而灵活的IT资源,如何充分利用云上的资源在已有的项目或产品中?如何在设计新产品架构时充分解耦,让采用云计算资源变的更容易?云计算解决方案专场将试图回答这些问题。在这里汇集了国内外典型的云计算服务企业,他们将从弹性的基础设施、低成本快速的获取开发和测试环境,及其他云计算资源等方面展示云计算的魅力,你还可以看到他们为客户实施的成功案例及其架构设计。\

征集演讲嘉宾

\\

如果你有独当一面的技术积累和实践,并在圈中有一定的影响力,又喜欢交流,欢迎加入AruchSummit北京2014演讲嘉宾阵营。以下是征集方式与具体要求:

\\

演讲议题形式:

\\
  • 演讲时长:45分钟,包括提问环节。\\t
  • 演讲内容标准:\\t
    • 观点:申请人演讲的观点是否明确,所阐述的内容是否吸引人,是否有助于听众在知识和经验方面的积累?\\t\t
    • 实践:演讲内容,均以实践为出发。\\t\t
    • 深度:演讲内容的深度将直接关系到听众的收获,听众能够从演讲中挖掘出的内容也是组委会看重的,原则上,有深度的演讲稿被采纳的机会更高。\\t\t
    • 专业声誉:演讲人在所提交演讲涉及的专业领域的成就和从业经验也会作为评审的参考标准。\\t\t
    • 不要广告:ArchSummit讲台不是厂商宣传的舞台,请不要试图在演讲时做任何形式的广告。\\t\t
    • 听众所得:听众在演讲分享中可能的收获是组委会最关注的,这也是ArchSummit大会举办的重要意义。\\t
    \

议题提交指南:

\\

请按下面规定格式发送申请信息至as_speakers@cn.infoq.com

\\
  • 姓名:\\t
  • 手机:\\t
  • 邮箱:\\t
  • 微博/LinkedIn/微信个人或公众号:\\t
  • 公司:\\t
  • 部门:\\t
  • 职位:\\t
  • 个人简介:(300字左右)\\t
  • 大头照:(肖像照不小于400x500像素,半身照不小于800x1000像素,尽量不要提供全身照)\\t
  • 演讲经历:\\t
  • 所属专题:\\t
  • 演讲主题:(标注是否已分享过)\\t
  • 主题摘要:(200-300字)\\t
  • 听众受益:(列举几个收益)\

内容提交请在邮件中直接用文本发送申请信息,除非附带演讲slides/提交大头照,否则请勿发送附件。

\\

关于个人简介、演讲主题及摘要的范例,可以参见ArchSummit深圳2014大会官网。

\\

演讲嘉宾福利:

\\
  • 免费参加所有大会所有课程;\\t
  • 优先享有和国际讲师单独沟通的机会或陪同;\\t
  • 外地讲师由组委会承担差旅;\\t
  • 可免费参与本届ArchSummit特别策划的讲师培训与独享聚会;\\t
  • 组委会将会根据现场听众反馈对优秀讲师予以额外鼓励。\

注意事项:

\\
  • 在大会议程尚未完全确定之前,可自由提交演讲议题。\\t
  • 若内容合适,但相应专题已无空档,可优先在下届ArchSummit获得演讲机会。\\t
  • 请确保您所提供的个人信息内容准确无误,一旦确认,信息将会刊登在大会官网并印制在会刊中。\\t
  • 请确保您在演讲内容中使用的案例已经获得第三方的认可和允许。我们将不负责由此引起的任何纠纷和问题。\\t
  • 确认的演讲内容将发布在主办单位的有关媒介中,包括会议演讲PPT、现场视频等。此非强制条款,如果不同意,请提前声明。\\t
  • 对于已提交演讲议题的审批结果,我们将在大会开始前一个月通过电子邮件或电话联系的方式通知您。\\t
  • 演讲机会以ArchSummit组委会最终发送的演讲邀请函为准。\

推荐机制:

\\

如果在您心目中有非常合适的演讲人选,欢迎向组委会推荐。请在邮件中尽可能详述被推荐人的个人信息与可分享的话题信息至as_speakers@cn.infoq.com。一旦被推荐者确认成功,推荐人可获得一份InfoQ纪念品。

\\

如果您在业内鼎鼎大名,想担任演讲嘉宾或者专题的出品人,可以直接发送给我们您的大名/ID/微博等任何可联络信息,我们将即刻与您联系。

\\

参会信息:

\\

大会已启动报名。及早注册,可享受更低折扣。报名信息请访问ArchSummit北京2014大会官网。

\\

若您对大会赞助、展示、媒体合作感兴趣,请按如下分类邮箱联系,我们将尽快予以回复:

\\
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值