组织者
Alexander Bovyrin
Nikita Manovich
Sergei Nosov
Dmitry Kurtaev
时间： 13:30-17:30（半天 - 下午）
描述
如今的计算机视觉算法大多依靠深度学习技术，这两种技术都对计算能力和数据有着极高的需求。现代硬件通常是异构的，并且越来越难以高效地进行编程。OpenCV 4.0 带来了新的功能来应对这些新的挑战，并为开发人员提供方便的 API 来处理复杂性。您可以在流行的深度学习框架（Caffe/TensorFlow/Darknet/Torch/ONNX 格式兼容框架）中训练神经网络模型，并使用 OpenCV 运行它，而无需依赖原始框架。本教程涵盖了 OpenCV 4.0 功能介绍、深度学习模块的使用以及 C++、Python、Java 和 JavaScript（emscripten 绑定）中的代码示例。我们还将回顾深度网络的不同计算后端，例如 OpenCL 和 Intel® 推理引擎。还将有一个实操环节，参与者将在其中体验新功能。特别是，参与者将了解
- 如何在 Android 设备上使用 OpenCV 4.0 运行深度网络；
- 如何在浏览器中使用 OpenCV 4.0 运行深度网络；
- OpenCV 4.0 中自定义深度学习层的支持。
此外，鉴于数据在这个领域变得至关重要，OpenCV 现在托管了计算机视觉标注工具 (CVAT)，它是一个基于 Web 的、免费的、在线的、交互式的视频和图像标注工具，用于计算机视觉。易于使用 Docker 部署，友好的用户界面，优化的工作流程可以为典型的计算机视觉任务（如目标检测、图像分类、语义和实例分割）标注数据，使其在全球研究人员中广受欢迎。将会有关于 CVAT 的实践环节。
我们还将更新 Open Model Zoo（预训练的深度学习模型和示例），这些模型可以从 https://github.com/opencv/open_model_zoo 下载，并介绍 Intel® 深度学习部署工具包 (CNN 量化工具、3D 卷积等) 的新功能，以及性能特征和实践示例。
我们还将介绍我们对 OpenCV 和工具未来发展的看法。
议程
| 13:40 – 15:30 | OpenCV 4.0 深入探讨。功能介绍、深度学习模块的使用以及 C++、Python、Java 和 JavaScript（emscripten 绑定）中的代码示例。如何在 Android 设备上使用 OpenCV 4.0 运行深度网络；如何在浏览器中使用 OpenCV 4.0 运行深度网络；OpenCV 4.0 中自定义深度学习层的支持。回顾深度网络的不同计算后端，例如 OpenCL 和 Intel® 推理引擎。 |
| 15:30 – 16:00 | Open Model Zoo。新的模型和性能。可训练模型。 |
| 16:00 – 16:30 | 咖啡休息。 |
| 16:30 – 17:00 | CNN 压缩。Int8 模型及其性能。Int1 模型及其性能。 |
| 17:00 – 17:30 | 计算机视觉标注工具 (https://github.com/opencv/cvat) |
研讨会幻灯片
CVPR 2019 - OpenCV 研讨会幻灯片可使用以下链接下载。
