视觉Transformer精讲：如何深度优化ViT/DETR/SETR/CLIP等经典模型

正文

请到「今天看啥」查看全文

利物浦大学长聘副教授

前商汤自动驾驶感知团队研发副总监

2017年博士毕业于中国科学院自动化研究所模式识别国家重点实验室，2017-2023担任商汤科技自动驾驶感知团队研发副总监，带领团队完成多个大项目交付。

目前发表SCI和EI学术论文近80篇，被引用量近4000次，其中CCFA类国际期刊和会议(T-PAMI、IJCV、TIP、CVPR、ICCV、ECCV、AAA1、MultiMedia等)近30篇。申请国内及国外专利申请30个以上。

现主要研究方向为图像/视频场景理解，Deepfake Detection，机器人-自动驾驶感知算法，以及语言-视觉联合学习等。现主持(PI)一项Alan Turing Institute项目基金，并联合主持(Co-1)一项欧盟Horizion project。

课程大纲

（点击查看大图）

课程亮点

1.全栈式知识体系构建

从Transformer核心原理到CV经典任务(分类、检测、分割)再到多模态最前沿应用，覆盖ViT、DETR、SegFormer、CLIP、LLaVA等模型。

请到「今天看啥」查看全文