订阅
纠错
加入自媒体

旷视“智见AI”SpringCamp圆满结营

2019-05-18 10:50
科技眼
关注

5月11日,由中国计算机学会计算机视觉专委(CCF-CV)主办,清华大学自动化系与旷视承办的“智见AI”SpringCamp顺利召开。本次训练营邀请了人工智能领域学术界和产业界的专家、学者们就“物体检测”与“深度神经网络模型设计”两个主题发表了8篇学术分享报告,吸引了300余名相关从业者与研究人员。

人工智能作为最具颠覆性和变革性的技术之一,正以不可阻挡之势席卷全球,不断渗透进社会生产生活的各个方面,推动着时代滚滚向前。但需知,从底层框架的更新迭代到整套解决方案的商业化落地都有赖于基础学术研究的进展与突破,无论新理论的提出抑或旧问题的攻克,都令这股力量更强大——它是AI浪潮涌动的原动力,是预知未来的风向标。

“智见AI”SpringCamp学术训练营由CCF-CV发起,旷视与清华大学承办,旨在打造一个交流分享最前沿人工智能领域思想和技术的平台,通过邀请顶尖大咖分享最新的研究成果,联合产业界与学术界,为各大高校的青年学术人才以及行业相关研究人员提供前沿技术交流与学习的机会,促进AI人才的培养、推动技术的进步及产学研的落地。

旷视“智见AI”SpringCamp圆满结营

图:学术训练营活动现场会聚前沿年青骨干 呈现关键研究新进展

出席本次训练营的主要嘉宾有:

微软亚洲研究院、计算机视觉组资深研究员 代季峰博士

中科院自动化所 张士峰博士

旷视研究院Base Model组负责人 张祥雨博士

华中科技大学电信学院教授、副院长 白翔

Momenta高级研发工程师 胡杰

旷视研究院Detection组负责人 俞刚博士

清华大学自动化系助理教授 黄高

南开大学教授 程明明

活动吸引到了300余名来自人工智能领域学术界与产业界的研究人员与相关从业者参与,内容涵盖8场权威主题报告,1个开放式圆桌讨论。

旷视首席科学家、研究院院长孙剑首先在开幕致辞中对所有与会嘉宾表示欢迎,并简要阐述了当前计算机视觉技术发展现状与举办本次学术交流会的目的。随着深度学习的引入与应用,业内出现了新的机遇与挑战,如何取得新突破一方面有赖于学术界的努力,另一方面,面对理论困难与应用需求的双重夹击,产业研究中AI技术与行业的深度融合同样能够提供新视角。因此,在这样的背景下,人们需要“分享各种新的方法和新的思想,深入理解问题、深刻弄清每个细节,向前一步步推动计算机视觉理论与应用的发展”。

旷视“智见AI”SpringCamp圆满结营

图:旷视首席科学家、研究院院长孙剑致开幕辞

随后8位专家先后做出分享,内容涵盖当前在“物体检测”与“深度神经网络模型设计”领域最火热的深度神经网络中的几何形变建模技术、物体检测算法的对比探索及展望、高效轻量级深度模型的研究与实践、面向快速推理的卷积神经网络、不规则文字检测与识别、视觉注意力机制在模式设计中的发展与应用、目标检测领域的新问题及方向、开放环境下的自适应视觉感知等方向。

活动现场精彩报告

旷视“智见AI”SpringCamp圆满结营

代季峰|报告题目:卷积神经网络中的几何形变建模

内容大纲:

在视觉识别任务中,一个重要的挑战是如何恰当处理和建模几何形变,包括尺度、姿态、视角以及物体部件的移动等。从特征工程的时代开始,一系列著名的算法就被开发出来以尝试解决这个问题,包括SIFT,DPM等。但受限于它们的特征表达能力和局限的变性建模能力,其性能受到了很多的限制。在深度学习的时代,网络特征的表达能力大大的超出了之前手工设计的特征。但是,现有的网络模块依然难以对几何形变进行有效的处理和建模。本次talk中将会介绍在深度神经网络中的几何形变建模技术,它们能够大幅度的增强深度神经网络的几何建模能力,在各种识别任务中取得巨大的性能提升。

旷视“智见AI”SpringCamp圆满结营

张士峰|报告题目:物体检测算法的对比探索以及展望

内容大纲:

目前基于深度学习的物体检测算法大致可以分为两类:一步法检测器和二步法检测器。一步法检测器有较高的检测速度,但检测精度不如二步法检测器。而二步法检测有较高的检测精度,但检测效率不如一步法检测器。为了使得一步法检测器获得二步法检测器的检测精度,同时保持较高的检测效率,我们对一步法和二步法检测器进行了一系列探索,提出了RefineDet、SRN、ISRN、RetinaFace等系列算法。此次分享将先概括地介绍物体检测算法,接着分享我们自己一系列相关的工作,最后对物体检测的发展进行讨论展望。

1  2  3  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号