李东亮：云端图像技术的深度学习模型与应用

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/baiyutang

摘要

李东亮在其文章《云端图像技术的深度学习模型与应用》中讨论了360人工智能研究院在图像技术领域的应用和研究。文章重点介绍了云端图像技术的三个核心难点：模型小、线上速度快、预测准确。通过对视觉感知模型的分析，包括分割、检测和识别，文章提出了模型缩减、结构演进和数据工程等关键技术。同时，文章还探讨了在不同硬件环境（如ARM、E5-2630和GPU）下，云端图像技术的处理效率和性能优化问题。

AI总结

这篇文章由360人工智能研究院的李东亮authored，主要介绍了云端图像技术中的深度学习模型及其应用，并围绕“小、快、准”三个核心难点展开论述。这三个难点分别指小模型、线上速度快和预测准确。文中还提到了模型缩减、结构演进和工程优化等解决方案。同时，文章概述了核心视觉感知问题，如目标分割、检测、识别和跟踪，介绍了基于深度学习的人脸检测和特征抽取技术，并提到了相关的系统框架和性能指标，例如高峰期1500 QPS的人脸检测能力。文中整合了多种数据，如360电脑安全月活跃数4.42亿、手机端用户1.49亿等，反映了360在图像技术应用和互联网安全领域的重要地位。