組織者
Alexander Bovyrin
Nikita Manovich
Sergei Nosov
Dmitry Kurtaev
時間： 13:30-17:30（半天 - 下午）
描述
如今的計算機視覺演算法大多依靠深度學習技術，這兩種技術都對計算能力和資料有著極高的需求。現代硬體通常是異構的，並且越來越難以高效地進行程式設計。OpenCV 4.0 帶來了新的功能來應對這些新的挑戰，併為開發人員提供方便的 API 來處理複雜性。您可以在流行的深度學習框架（Caffe/TensorFlow/Darknet/Torch/ONNX 格式相容框架）中訓練神經網路模型，並使用 OpenCV 執行它，而無需依賴原始框架。本教程涵蓋了 OpenCV 4.0 功能介紹、深度學習模組的使用以及 C++、Python、Java 和 JavaScript（emscripten 繫結）中的程式碼示例。我們還將回顧深度網路的不同計算後端，例如 OpenCL 和 Intel® 推理引擎。還將有一個實操環節，參與者將在其中體驗新功能。特別是，參與者將瞭解
- 如何在 Android 裝置上使用 OpenCV 4.0 執行深度網路；
- 如何在瀏覽器中使用 OpenCV 4.0 執行深度網路；
- OpenCV 4.0 中自定義深度學習層的支援。
此外，鑑於資料在這個領域變得至關重要，OpenCV 現在託管了計算機視覺標註工具 (CVAT)，它是一個基於 Web 的、免費的、線上的、互動式的影片和影像標註工具，用於計算機視覺。易於使用 Docker 部署，友好的使用者介面，最佳化的工作流程可以為典型的計算機視覺任務（如目標檢測、影像分類、語義和例項分割）標註資料，使其在全球研究人員中廣受歡迎。將會有關於 CVAT 的實踐環節。
我們還將更新 Open Model Zoo（預訓練的深度學習模型和示例），這些模型可以從 https://github.com/opencv/open_model_zoo 下載，並介紹 Intel® 深度學習部署工具包 (CNN 量化工具、3D 卷積等) 的新功能，以及效能特徵和實踐示例。
我們還將介紹我們對 OpenCV 和工具未來發展的看法。
議程
| 13:40 – 15:30 | OpenCV 4.0 深入探討。功能介紹、深度學習模組的使用以及 C++、Python、Java 和 JavaScript（emscripten 繫結）中的程式碼示例。如何在 Android 裝置上使用 OpenCV 4.0 執行深度網路；如何在瀏覽器中使用 OpenCV 4.0 執行深度網路；OpenCV 4.0 中自定義深度學習層的支援。回顧深度網路的不同計算後端，例如 OpenCL 和 Intel® 推理引擎。 |
| 15:30 – 16:00 | Open Model Zoo。新的模型和效能。可訓練模型。 |
| 16:00 – 16:30 | 咖啡休息。 |
| 16:30 – 17:00 | CNN 壓縮。Int8 模型及其效能。Int1 模型及其效能。 |
| 17:00 – 17:30 | 計算機視覺標註工具 (https://github.com/opencv/cvat) |
研討會幻燈片
CVPR 2019 - OpenCV 研討會幻燈片可使用以下連結下載。
