現有機器視覺學習技術通常依賴于大規(guī)模精確標注的訓練數據。在典型實驗室環(huán)境下設計和訓練的人工智能模型，在行業(yè)應用場景變換時，容易導致系統(tǒng)性能急劇下降。本課程將從弱監(jiān)督視覺理解的角度，介紹在降低模型對特定應用場景數據依賴方面所開展的一些研究工作。
課程簡介
本課程介紹了在降低模型對特定應用場景數據依賴方面所開展的一些研究工作。
課程目標
通過本課程的學習，使學員了解：
1、如何構建高效的神經網絡基礎模型。
2、如何學習顯著性物體、邊緣等通用屬性。
3、如何利用通用屬性構建弱監(jiān)督學習模型，并進而利用互聯網數據自主完成知識學習。
課程大綱
第1章 什么是開放環(huán)境的自適應感知
第2章 面向識別與理解的神經網絡共性技術
第3章 通用視覺基元屬性感知
第4章 相關機器學習算法
