干货| Visenze企业级视觉产品与应用（附PPT和音频链接）
由iquant创建，最终由iquant 被浏览 6 用户
--------------------------------------------------------------------------------------------
欢迎关注知乎专栏：
卷积神经网络（CNN）入门讲解zhuanlan.zhihu.com 
---------------------------------------------------------------------------------------------
下面是
本期来自东南亚顶尖计算机视觉创业公司的 CTO 李广达 博士给我们带来了一次干货满满的分享。广达从图像搜索的应用场景出发，为我们深入讲解了图像搜索技术的原理和近期的进展。
关于广达分享的完整 slides 和 现场音频下载，请关注公众号：一度AI（onedegree_ai）, 并在对话框回复 “广达0428” 获取下载链接🔗
科技巨头发力视觉搜索
图像搜索的应用场景
视觉推荐系统的应用场景
图像自动标记
2.Visual Search: A little bit under-the-hood 介绍完视觉搜索的应用场景后，广达为我们打开了视觉搜索系统的“黑箱”，详细地为我们介绍了视觉搜索系统的技术原理。毫不夸张地说，以下的slides，张张价值千金！！！
视觉搜索“三部曲”
端到端的视觉搜索系统在视觉搜索系统中，物体检测(object detecction)是其中非常关键的一步，物体检测的精度，将直接影响到视觉搜索系统的表现。因此，广达也在分享中重点聊到了物体检测的方法与挑战。
物体检测中的挑战之一接着，广达和我们分享了视觉搜索系统中的搜索部分。
视觉嵌入
类嵌入
聊完了视觉搜索系统后，广达聊到了机器学习这辆“超跑”的汽油 -- 数据！
**真相了！！！**3.Data Science and Engineering: a bit on the Practical Side介绍完视觉搜索系统后，广达开启了这场“干货盛筵”的高潮部分。广达和我们分享了在视觉搜索系统中可能遇到的实际“bug”和一些建议。更难得的是，广达和我们分享了数据科学在整个生态系统的角色和地位，并向我们介绍了模型生命周期的理念。这部分的内容，墙裂推荐大家配合音频内容品尝，错过这次，你可能要在等……不知道多久。
训练数据中面临的挑战
过拟合
数据驱动模型的持续改进
机器学习系统的生命周期
这张图有没有让你觉得这篇推送看到这很值得？
怎么样准备高质量的数据！
数据分析
数据验证和模型验证同等重要！
数据可视化
模型的安全性验证--避免单个模型破坏整个生态系统
模型的生命周期
