人工智能正在加速各行各业技术升级、提升社会的运行效率，而人工智能中的视觉感知类任务扮演着重要的角色。
从目标检测、属性识别的高效模型训练，到模型压缩、量化部署推理，虽然学术界和开源社区有大量的成熟工作可供借鉴，但如何批量生产在工业级场景下满足精度和速度的模型，依然不是一个简单的问题。
从模型的算法研究到生产部署，其间的落地鸿沟之大一直较少被人提及和重视。
我们将带你详细了解商汤-模型工具链团队在解决算法落地过程中的技术思考，深入理解模型的工业化落地流程是如何更加高效和便捷！
学术公开课「目标检测落地难题：样本不平衡与长尾分布」，将于3月29日（周二）19:00准时开播，感兴趣的小伙伴们千万不要错过哦！
本次课程将从工业级目标检测、模型量化两个角度出发，介绍商汤-模型工具链团队在解决算法落地过程中的技术思考，同时介绍一系列实用的模型生产开源框架。通过本次课程，同学们可以获得大量实用的模型训练和压缩技巧，深入理解模型的工业化落地流程是如何变得更加高效和便捷。
课程信息
类别不平衡是目标检测中常见的一类问题，其为训练一个良好的目标检测系统带来了巨大的挑战。在现实场景中，普遍的长尾分布——极端的类别不平衡则更是加剧了这一情况。
在首期课程中，分享嘉宾将介绍样本不平衡与长尾目标识别的概念，并分析其造成模型训练困难的主要原因。为了更好地应对目标检测在落地场景中面临的长尾问题，研究团队将提供一系列简单实用的算法与模型训练方法。最后，本期课程也将对长尾目标识别的未来发展方向进行分析与展望。
