2022年8月8日,由中国自动化学会、中国人工智能学会、上海市计算机学会主办,中国人工智能学会粒计算与知识发现专委会、上海市计算机学会计算机视觉专委会、上海海事大学协办,中国自动化学会模式识别与机器智能专委会、同济大学视觉与智能学习实验室承办的模式识别与机器智能前沿论坛暨第五届视觉与智能学习研讨会圆满结束。本次研讨会由同济大学赵才荣教授作为论坛主席,特邀了中科院自动化所刘成林研究员、厦门大学纪荣嵘教授、山西大学钱宇华教授、西安电子科技大学邓成教授、南京理工大学李泽超教授以及腾讯优图实验室汪铖杰总监6位专家学者围绕“视觉与智能学习”开展学术报告。本次论坛在中国图像图形学报B站、同济大学视觉与智能学习实验室B站等5个直播平台全程直播。
同济大学苗夺谦教授与赵生捷教授首先进行开幕致辞,介绍了本次研讨会主题并对各位参会的专家学者表示热烈的欢迎与衷心的感谢。
开幕致辞(左:苗夺谦教授,右:赵生捷教授)
本次论坛主席赵才荣教授担任研讨会的主持人,在各个报告前详尽地介绍了各位主讲人的身份背景及讲座的主题内容。
中国科学院自动化研究所刘成林研究员的报告题目为“开放环境模式识别的研究问题与进展”。刘成林研究员首先对开放环境模式识别的研究问题进行分析,剖析了传统的模式识别方法在闭合类别集、独立同分布、大数据训练上的假设,就如何突破以上假设限制展开介绍了开放集识别、领域自适应、结构化预测、小样本学习等研究进展,并对未来研究方向进行展望。
西安电子科技大学邓成教授的报告题目为“多模态智能”。邓成教授首先简述了媒体大数据时代下信息获取、环境感知、知识学习的多模态化并介绍了多模态智能的发展历程,引出了多模态智能研究中多模态数据的表征、理解与推理等瓶颈问题,围绕以上问题就多模态表示学习、知识推理和可信计算等三个方面汇报了近年来团队的最新研究进展。
山西大学钱宇华教授的报告题目为“机器学习可解释性研究现状与思考”。钱宇华教授首先简述了机器学习理论、模型与算法的可解释性的重要性,关乎人们可否可信有效地使用人工智能。在接下来的报告中,钱宇华教授详尽地剖析了统计机器学习与深度学习中存在的随机一致性问题,并就如何重构具有原理可解释性的可学习理论展开探讨,总结归纳了机器学习可解释性研究,汇报了近年来针对该问题进行的如纯准确度等探索工作。
厦门大学纪荣嵘教授的报告题目为“深度神经网络的压缩与加速研究”。纪荣嵘教授首先阐述了深度学习近年来在各个领域取得的成就,但随着网络性能的不断提高,网络的深度和广度也在不断增加,这就大大增加了网络的参数和计算复杂度,因此,报告从如何压缩和加速这些大的神经网络模型的角度出发介绍了经典的神经网络压缩算法与他的团队所取得的突出成果。
南京理工大学李泽超教授的报告题目为“开放环境多媒体内容理解”。李泽超教授首先介绍了图像视频大数据智能分析与理解在无人驾驶、网络空间内容安全等实际应用中发挥的重要作用,揭示了复杂开放环境下多媒体内容理解面临的挑战,接下来就半监督、小样本和弱监督条件下的图像内容分析阐述了半监督特征学习方法、小样本识别、深度协同因子分解模型,将图像和标签映射到统一空间,同时解决图像标注、标签优化、基于内容的图像检索以及标签扩展等多种任务。
腾讯优图实验室汪铖杰总监的报告题目为“工业视觉质检技术研究与应用”。汪铖杰总监首先阐述了该研究方向重要的实际意义,并分析了利用计算机视觉替代传统的人工培训方案解决此类检测问题的优势所在。接下来以工业视觉质检场景中有效训练样本数据量受限、缺陷类型分布不均的问题作为切入点,就如何在这些数据受限的条件下做更有效的学习展开阐述了小样本学习、长尾分布学习等高效视觉学习技术的研究与应用。
在一场场令人回味的学术报告结束后,6位专家学者对各直播平台学生观众提出的代表性问题做出了精准详细的解答,并分享了各自见解和科研经验。
中国科学院自动化研究所刘成林研究员对本次学术研讨会进行闭幕致辞,宣布本次研讨会圆满结束并作出总结,并对各位参会的专家学者表示感谢。
闭幕致辞
至此,模式识别与机器智能前沿论坛暨第五届视觉与智能学习研讨会圆满落幕,各位专家学者呈现了一场精彩绝伦的学术盛宴。与会人员一致认为此次研讨会开阔了视野,收益良多。直播平台学生观众反响热烈、讨论积极踊跃,5个会议同步直播平台观看人数累计9000+。感谢所有到场的学者与学生观众!(文/图 宋子凡)
与会专家学者线上合影