中国计算机学会计算机视觉专委会走进cmp8冠军论坛

耿新教授演讲-标记分布学习范式”

李玺教授演讲-AI-Driven Visual Understanding and Computing

孟德宇教授演讲-NoisyLoss Modeling Principle

王亮研究员演讲-深度认知神经网络初探

会场（一）

会场（二）

特邀讲者与师生合影

11月22日下午14:00时，中国计算机学会计算机视觉专委会的资深专家来公司作专题报告。本期报告会邀请了中国科学院自动化所王亮研究员、东南大学耿新教授、浙江大学李玺教授以及西安交通大学孟德宇教授做专题报告。冠军博策论坛全体教职工、cmp8冠军论坛CCF员工会员、部分研究生和本科生，来自兰州大学、兰州交通大学、西北师范大学等高校的代表100余人出席。报告会执行主席，冠军博策论坛经理郝晓弘教授首先致辞，欢迎各位讲者的到来，并希望讲者的报告能带动cmp8冠军论坛计算机视觉领域科研的进一步发展。冠军博策论坛副经理冯涛教授主持报告会。

王亮研究员的演讲题目是“深度认知神经网络初探”。报告主要介绍了团队近期在深度认知神经网络方面的探索性工作。瞄准模式识别与认知科学发展前沿，突破现有神经网络在结构和功能上的局限性，希望创建视觉认知启发的，融合反馈、注意、记忆等机制的新型深度认知神经网络新模型和新方法，并将其应用到视觉模式分析任务之中。报告深入浅出，引发了同学和老师们的深刻思考，现场提问非常踊跃。

耿新教授的演讲题目是“标记分布学习范式”。报告详细的介绍了一种新型机器学习范式—标记分布学习。在该范式中，每个示例不是与一个或者一组标记相关联，而是与一个标记分布相关联。一个标记分布覆盖所有可能的标记，并且明确给出每个标记描述示例的程度。在这一定义下，传统的单标记学习和多标记学习都可以看作标记分布学习的特例。现实世界中存在不少本身就具有标记分布信息的数据。更多情况下，标记分布信息不完整时，可通过先验知识或者机器学习方法生成完整的标记分布。因此，标记分布学习是一种相较传统学习范式更为泛化，并且具有广泛应用前景的新型机器学习范式。

李玺教授演讲题目是“AI-Driven Visual Understanding and Computing”。报告主要围绕数据驱动的人工智能学习方法，进行大规模图像/视频数据的视觉特征学习，从目标视觉感知特性、视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析，并引入了大规模视觉特征学习所涉及的主要研究问题和技术方法。然后系统地回顾了视觉特征表达和学习领域的不同发展阶段，介绍了近年来我们利用视觉特征学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。报告的最后，李教授和大家一起探讨了机器学习所面临的一些开放性问题，并且现场展示了其团队研发的目标追踪的Demo等，激发了现场师生的兴趣和热情。  

孟德宇教授演讲题目是“Noisy/Loss Modeling Principle”。该报告主要围绕传统机器学习的建模方法和误差函数的选择问题，聚焦于如何针对包含复杂噪音数据进行误差建模的鲁棒机器学习原理。这一原理对在线视频处理、医学图像恢复等问题的解决有着自身的特点，该原理亦有希望能够引出更多有趣的机器学习相关应用与发现。孟教授深入浅出的讲解引发了同学和老师们热烈的讨论。

在互动环节，王亮博士就老师和同学们提出的“神经网络为什么要做到归一化”等问题做出了认真且详细的解答。耿新博士就老师和同学们提出的“为什么多标记学习不能被很好的应用在不同相关标记相对于示例的重要程度不同的应用场景中”等问题做出了认真且详细的解答。李玺博士就老师和同学们提出的“人工智能学习方法能不能在人群中跟踪目标人物”等问题进行了回答与互动。孟德宇博士就老师和同学们提出的“为什么识别目标的轮廓是光滑的”等问题给出了细致且专业的回答。整场报告会气氛活跃，得到了在场与会人员的一致好评。报告会在热烈的掌声中圆满结束。最后，参会的老师和员工们对四位讲者表示感谢，感谢CCF-CV搭建这样一场学术盛宴，从而有机会近距离与大师们进行交流和学习。