/

En

一、主题

深度学习与视觉分析

二、目的与意义

本次讲习班对深度学习方法及视觉分析应用进行深入和具有针对性的讲解,在普及深度学习的基本概念和框架结构的基础上,重点介绍对抗学习、 元学习、神经结构搜索、图神经网络等新一代深度学习理论框架和算法体系,及其在视觉检测、识别、理解等计算机视觉关键任务中的应用。 通过典型实例的分析和深入浅出的讲解,帮助学员提升利用深度学习技术进行计算机视觉研究和开发的水平。

三、论坛日程

讲习班时间:2020年10月16日13:30-17:45
会场:分会场
主题一:深度学习
时间 报告题目 报告人
13:30-14:30 对抗鲁棒的机器学习理论与方法 朱军 教授
14:30-15:30 面向深度学习的双层优化:从超参建模到AutoML 刘日升 教授
主题二:视觉分析
时间 报告题目 报告人
15:45-16:45 人体姿态与行为理解 卢策吾 研究员
16:45-17:45 细粒度级别图像分析 魏秀参 教授

四、拟讲授内容及邀请讲者简介

特邀报告1:对抗鲁棒的机器学习理论与方法
报告摘要: 在开放动态的应用环境中,人工智能技术面临着对抗噪声的干扰。大量工作显示,性能良好的深度学习模型(或一般的机器学习方法)通常容易被对抗噪声攻击, 这给实际应用带来了很多风险。如何有效进行攻击以及如何进行防守受到了学术界和工业界的广泛关注。谷歌在NIPS 2017会议上举办了首届对抗攻击与防御的 国际竞赛,促进了相关研究。在这个报告中,将介绍深度学习对抗攻击与防守方面的一些最新进展,包括对抗攻防的全面评测、赢得竞赛的解决方案以及一些近期的工作。
  • 嘉宾简介:朱军,清华大学计算机系教授、人工智能研究院基础研究中心主任。 2001到2009年获清华大学计算机学士和博士学位,之后在CMU做博士后,2011年回清华任教,2015到2018年任卡内基梅隆大学兼职教授。 主要从事机器学习基础理论、高效算法及应用研究,在国际重要期刊与会议发表论文百余篇。担任IEEE TPAMI的副主编、AI编委, 担任机器学习国际大会ICML2014地区联合主席, ICML、NIPS、IJCAI、AAAI等国际著名会议的领域主席20余次。获CCF自然科学一等奖、 北京市教学成果一等奖、ICME最佳论文奖、CCF青年科学家奖、JP Morgan教师研究奖等,入选国家中青年创新领军人才、MIT TR35中国 先锋者以及IEEE Intelligent Systems评选的“AI’s 10 to Watch”。带领团队研制“珠算”深度概率编程库、“天授”强化学习库和 RealSafe对抗攻防平台,获得首届“对抗样本攻防竞赛”国际竞赛所有三个任务的冠军、ViZDoom对抗决策国际竞赛2018年冠军等7项、 部分算法成为主流开源软件FoolBox、CleverHans的标准算法。


特邀报告2:人体姿态与行为理解
报告摘要: 该讲座将回顾人体姿态识别历史,主要进展和目前前沿工作,包括2D/3D姿态理解,密集人群姿态理解,以及姿态跟踪等。 进一步讨论行为理解主要进展,特别是姿态-行为联合识别,并涉及视频三维卷积行为理解,人体物体交互,基于人体知识引擎(HAKE)的行为理解等前沿问题。
  • 嘉宾简介:卢策吾,上海交通大学研究员,2016年入学国家青年千人计划, 2019年被《麻省理工科技评论》35位35岁以下科技精英,同年2019年求是杰出青年学者(近三年唯一AI方向)获得者, 2018年获科学中国人杰出青年科学家。长期从事计算机视觉、智能机器人及相关领域的研究和系统研发方面的工作, 已发表包括《自然》机器智能,PAMI/CVPR/ICCV/等在内的近100篇论文,开源了人体姿态估计Alphapose系统, 在世界最大开源平台GitHub的所有项目排名前十万分之三,目前已有十几家国内外企业购买商业许可。担任CVPR 2020 领域主席, 中国青年AI科学家联盟(创始)执行理事。《科学》《自然》审稿人。


特邀报告3:面向深度学习的双层优化:从超参建模到AutoML
报告摘要: 近年来,深度学习领域飞速发展,取得了大量革命性进展,特别是元学习、神经结构搜索等AutoML学习范式和学习方法层出不穷。 本次讲习班将从分层优化的观点出发,探索经典机器学习范式与近年来大量涌现的各种新型学习方法之间的内在联系,并在统一的 双层优化框架下深入理解和分析当前主流元学习、神经结构搜索方法的理论模型、计算策略及在视觉与学习领域中的应用。
  • 嘉宾简介:刘日升,教授,博导,大连理工大学计算数学专业博士, 香港理工大学计算科学专业博士后(香江学者),目前担任大连理工大学几何计算与智能媒体技术研究所所长。主要研究方向 为机器学习、计算机视觉、优化方法,在CCF推荐A类会议和IEEE Trans等期刊发表论文60余篇,获得教育部、辽宁省自然科学 二等奖各1项,2篇论文连续获得ICME最佳学生论文奖、2篇论文入围ICME最佳论文Finalist,主持国家自然科学基金优青项目, 入选辽宁省青年拔尖人才、辽宁省百千万人才工程。




特邀报告4:细粒度级别图像分析
报告摘要: 在传统计算机视觉研究中,图像分析的目标对象隶属类别通常是诸如“狗”、“车”和“鸟”等传统意义上的类别分类、检索等。 而在许多实际应用中,图像对象往往来自某一传统类别下较细粒度级别的不同子类类别,如不同种类的“狗”:“哈士奇”、 “阿拉斯加”、“比熊”;或不同种类的“车”:“奥迪”、“宝马”、“奔驰” 等。细粒度级别图像分析是针对此类问题的一个计算机视觉领域研究方向, 且是计算机视觉领域的热门研究课题,其目标是对上述细粒度级别图像中的物体子类进行定位、识别及检索等视觉分析任务的研究, 具有真实场景下广泛的应用价值。然而因细粒度级别子类别间较小的类间差异和较大的类内差异,使其区别于传统图像分析问题成为更具 挑战的研究课题。
讲者希望通过该讲习班使听众能够了解:1)细粒度图像分析问题本身、2)其在现实生活中的实际应用、3)细粒度图像检索技术、4) 细粒度图像识别技术、5)细粒度图像生成技术、6)细粒度图像分析未来的发展方向等一系列相关内容。在学术上,该讲习班可进一步 增强听众对细粒度图像分析领域的关注度及其技术理解;在应用上,该讲习班可普及细粒度图像分析相关技术并在一定程度加速相应技术 的落地应用。
  • 嘉宾简介:魏秀参,博士,南京理工大学计算机科学与工程学院教授, 南京大学学生创业导师,澳大利亚阿德莱德大学访问学者,曾任旷视南京研究院创始院长。主要研究领域为计算机视觉和机器学习, 在相关领域国际顶级期刊如IEEE TPAMI、IEEE TIP、IEEE TNNLS、IEEE TKDE、IEEE TMM、Machine Learning Journal等, 及国际顶级会议如CVPR、ICCV、ECCV、IJCAI、ICDM、ACCV等发表论文三十余篇,Google Scholar Citations 1200余次, 并带队获得iNaturalist 在内的计算机视觉领域国际权威赛事共4项世界冠军。分别在国际重要会议PRICAI 2018和ICME 2019组织题为“Fine-Grained Image Analysis”的短课程。著有《解析深度学习–卷积神经网络原理与视觉实践》一书。 曾获南京经开区中青年优秀人才、南京理工大学青年拔尖人才、CVPR最佳审稿人、南京大学博士生校长特别奖学金等荣誉, 担任WebFG 2020 Workshop程序委员会主席,及ICCV、CVPR、ECCV、NeurIPS、IJCAI、AAAI等国际顶级会议程序委员会委员。 更多信息:http://www.weixiushen.com/