ArchSummit深圳2014重装上阵,现在开始征集演讲主题

继2012年全球架构师峰会ArchSummit落户深圳,2014年InfoQ再次来到华南IT重镇深圳,将于7月18-19在万科国际会议中心举办第二届ArchSummit全球架构师峰会。

\

秉承\"促进软件开发领域知识与创新的传播\"原则,在保持往届ArchSummit水准,发挥QCon特色之余,组委会更针对深圳软件行业情况设置了特别专题,专门选择了6个当前最受关注的领域:游戏、电商、云服务、社交网络SNS、移动互联网、金融。希望为大家展现这些行业中架构师各自的风采,分享业务分析、技术架构的能力。而在大数据、智能硬件、数据中心和自动化运维这3个专题会引导大家对新技术、新趋势的关注。

\

具体演讲话题请参见大会官网,现在各个专题向全社会征集演讲议题。同时大会门票已经开始销售,越早报名,优惠越多,报名链接请点此处

\

演讲议题形式:

\
  • 演讲时长:45分钟,包括提问环节。\
  • 演讲内容标准:\
    • 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?\
    • 实践:ArchSummit演讲内容,均以实践为出发;\
    • 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;\
    • 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;\
    • 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;\
    • 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。\
    \

议题提交指南:

\

请按下面规定格式发送申请信息至speakers@cn.infoq.com

\
  • 姓名:\
  • 手机:\
  • 邮箱:\
  • 微博/LinkedIn/微信公众号:(如果有)\
  • 公司:\
  • 部门:\
  • 职位:\
  • 个人简介:(300字左右)\
  • 大头照:(600*800分辨率或更高)\
  • 演讲经历:\
  • 所属专题:\
  • 演讲主题:(标注是否已分享过)\
  • 主题摘要:(200-300字)\
  • 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,与QCon标准相同,可以参见QCon北京网站:www.qconbeijing.com

\

演讲嘉宾福利:

\
  • 免费参加所有大会所有课程;\
  • 优先享有和国际讲师单独沟通的机会或陪同;\
  • 外地讲师由组委会承担差旅;\
  • 可参与为演讲嘉宾特别设置的独享聚会;\
  • 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。\
  • 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。\
  • 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。。\
  • 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。\
  • 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。\
  • 对于已提交演讲议题的审批结果,我们将在提交之日起一个月内通过电子邮件或电话联系的方式通知您。\
  • 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,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。

  • 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