本课程聚焦于卷积神经网络的可视化技术，通过讲解特征可视化的方法，帮助理解CNN的工作原理。课程将探讨卷积神经网络的结构，特别是全局平均池化层在定位能力上的表现，以及类别激活映射（CAM）的应用。参与者将学习如何利用可视化信息优化网络学习，包括数据增强和弱监督任务。课程由具有深厚学术背景的贾老师授课，适合对深度学习感兴趣的学员参加。
今天，当科学家们在谈论人工智能时，通常在说：这是一门创造机器的艺术，也就是机器所执行的功能在人类执行时需要智能。揭开大脑功能的基本原理，并且创造一个真正的智能机器是现代科学家一直致力于在做的。
但是，目前来说，深度学习虽然带来了如此让人振奋的消息，但是深度学习模型仍然被认为是一个黑匣子，但其实卷积神经网络学习到的表示非常适合可视化，这得益于卷积神经网络是基于视觉概念的表示。
MIT的一项工作阐明了，全局平均池化层如何使卷积神经网络仅在图像标签上训练，却具有显著的定位能力。通过这项工作的原理理解和代码实战，有助于我们理解卷积神经网络的特征、注意力机制以及可优化的方向。进而去更好地选择或设计网络。
如果参考CAM对网络提出更高要求，不但要求预测准确率高，还需要网络提取到需要的特征。那么，如何利用可视化的信息引导网络更好的学习？如何利用CAM信息通过"擦除"或""裁剪""的方式对数据进行增强？如何利用CAM作为原始的种子，进行弱监督语义分割或弱监督定位。
推荐大家一门公开课，由中国科学院大学博士贾老师为大家带来《CNN的解密卡：特征可视化技术》课程，使用可视化技术演示卷积神经网络的原理，以及CAM论文的设计思路和效果，让你学习卷积神经网络的特征可视化技术。
8月9日，晚19点30分
现在特惠0元抢
赶快报名参加吧
扫描下方二维码
动动小手，就学到了知识
还在等什么
还能免费领取CV学习资料
（文末查看资料详情）
本次课程贾老师在深度学习上颇有建树。
贾老师，清华大学本科，中国科学院大学博士，美国西北太平洋国家实验室公派访学，研究方向为数据挖掘与自动化分析算法研究，深度学习与图像检测，少样本学习等。
▷ 课程主题：特征可视化技术
1、学习到特征可视化技术，领会打开卷积神经网络“盲盒”的正确姿势；
2、卷积神经网络的基本原理以及结构详解；
3、详解特征可视化技术对卷积层有哪些作用；
4、类别激活映射原理及代码实战；
5、卷积注意力机制的可视化解释；
6、CAM论文讲解与深度解析。
现在报名还能免费领取一份CV学习资料，这7份卷积神经网络论文，都是CV学习的经典学习资料。
CV，也就是计算机视觉，是AI领域中的一个重要方向，也是众多算法工程师想要从事的行业之一，本次的资料是CV经典论文，避免你独自搜索收集的烦恼。
现在报名本次公开课，就可以全部送给你，赶快报名添加顾问领取吧。
8月9日，晚19点30分上课
现在特惠0元
赶快报名参加吧
扫描下方二维码
还能免费资料礼包领取哟
动动小手，就学到了知识
还在等什么
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
