抓住暑假的尾巴，來一次學術充電吧！GAIR大講堂CVPR清華專場開啟報名

本文作者：楊文

2017-08-15 14:30

導語：這絕對是一次學術充電和提高自己對國際頂級學術會議認知的好機會！

AI研習社按：8月12日，雷鋒網(wǎng)在上海交大舉辦的GAIR（Global Artificial Intelligence & Robotics)大講堂CVPR學術分享活動贏得了在場同學們的一致好評。對于這次沒趕上參加活動的同學們，請留意關注雷鋒網(wǎng)GAIR大講堂的相關內(nèi)容報道。GAIR大講堂下一站清華專場已啟動報名，這次同樣是請來了參加了CVPR 2017且論文被收錄的學術青年。正值暑假，如果您還留在學校，就快來報名參加吧！這絕對是一次學術充電和提高自己對國際頂級學術會議認知的好機會！

（上海交大站講者之一的吳佳俊同學分享進行中）

對學術界稍有了解的同學們都知道CVPR會議。CVPR（國際計算機視覺與模式識別會議）是IEEE 舉辦的年度學術性會議，會議主要關注計算機視覺與模式識別等方面的技術內(nèi)容。在各種學術會議統(tǒng)計中，CVPR 有著非常強的影響力和高排名。尤其是今年在美國夏威夷剛剛結束的CVPR 2017，國內(nèi)很多研究AI的企業(yè)和高校實驗室都有深度參與，可以說學術界和工業(yè)界都給予了極高的關注度，最終收錄的論文數(shù)和參會人數(shù)都刷新了CVPR 的歷史紀錄。

對于這樣一場頂尖學術會議，廣大沒有機會出席活動現(xiàn)場的同學們除了閱讀相關文章之外，還能如何更深度、更真實地了解CVPR 2017的學術成果呢？GAIR大講堂攜四位前方論文講者為大家共同還原當時的CVPR現(xiàn)場，四位嘉賓將會講解他們在CVPR現(xiàn)場的論文內(nèi)容，并分享他們的CVPR參會心得，相信他們的分享將會對你投遞學術論文起到直接的幫助作用！

GAIR大講堂 CVPR清華專場

嘉賓介紹

段岳圻

抓住暑假的尾巴，來一次學術充電吧！GAIR大講堂CVPR清華專場開啟報名

清華大學自動化系三年級博士生，指導老師為周杰教授和魯繼文副教授。他的研究方向在于視覺識別，二值特征學習和非監(jiān)督學習。在此之前，他于2014年在清華大學自動化系獲得學士學位。

主題：Learning Deep Binary Descriptor with Multi-Quantization （多量化深度二值特征學習）

分享內(nèi)容：深度二值特征學習因其存儲和匹配的高效性，近年來在學術界持續(xù)受到關注?，F(xiàn)有的深度二值特征學習方法采用符號函數(shù)對實值特征進行二值化，未能考慮數(shù)據(jù)分布，從而導致了較大的量化損失。本文將二值化過程看作非監(jiān)督多量化問題，提出了基于K-自編碼網(wǎng)絡的深度多量化算法，并將其應用于深度二值特征學習，提出了多量化深度二值特征學習，降低了二值化造成的量化損失。實驗結果證明了本文方法的有效性。

孫剛

抓住暑假的尾巴，來一次學術充電吧！GAIR大講堂CVPR清華專場開啟報名

Momenta 研發(fā)總監(jiān)、聯(lián)合創(chuàng)始人、高性能并行計算系統(tǒng)專家、大規(guī)模圖像識別專家、ImageNet 2017 圖像分類冠軍、ImageNet 2016 場景分類亞軍、中科院大學計算機視覺專業(yè)博士。

主題：ImageNet冠軍模型SE-Net詳解

分享內(nèi)容：作者提出了一種新穎的神經(jīng)網(wǎng)絡模塊稱為Squeeze & Excitation（簡稱SE），以此大幅提升模型的精度。通過Squeeze 和Excitation操作，SE模塊自動對特征重新分配權重，增強對識別有用的特征，而抑制無效或收益甚微的特征。在引入極少計算和參數(shù)量的情況下，將現(xiàn)有絕大多數(shù)網(wǎng)絡結構的性能大幅提升。

鄭賀亮

抓住暑假的尾巴，來一次學術充電吧！GAIR大講堂CVPR清華專場開啟報名

中國科學技術大學電子工程與信息科學系一年級博士生，導師梅濤研究員和羅杰波教授。他的研究興趣在于計算機視覺，機器學習。他于2017年在中國科學技術大學信息科學與技術學院獲得學士學位，并于2016年7月到2017年7月在微軟亞洲研究院實習。

主題：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition（精細化物體識別中基于遞歸注意力模型的卷積神經(jīng)網(wǎng)絡）

分享內(nèi)容：基于弱監(jiān)督的精細化物體識別問題近年來倍受關注。現(xiàn)存的主流方法分兩種：對于有判別力區(qū)域的定位和對精細化特征的學習。在這篇CVPR文章里，作者通過設計一種RA-CNN的網(wǎng)絡結構，將不同尺度的重要區(qū)域綜合起來進行分類，實現(xiàn)了定位和精細化特征學習之間的相互促進，在精細化物體分類的任務上取得非常理想的結果。

邱釗凡

抓住暑假的尾巴，來一次學術充電吧！GAIR大講堂CVPR清華專場開啟報名

中國科學技術大學-微軟亞洲研究院聯(lián)合培養(yǎng)二年級博士生，導師為梅濤研究員和田新梅副教授。他的研究興趣在于計算機視覺，機器學習和多媒體檢索。他曾于2015年在中國科學技術大學獲得學士學位，并長期在微軟亞洲研究院實習。曾多次參與視頻分類相關國際比賽并取得較好的成績。

主題：Deep Quantization: Encoding Convolutional Activations with Deep Generative Model （基于深度生成模型的卷積層特征提取整合）

分享內(nèi)容：深度卷積神經(jīng)網(wǎng)絡目前在不同的識別問題上體現(xiàn)出優(yōu)異的性能，而如何從神經(jīng)網(wǎng)絡的卷積層中提取特征并做出整合分析成為了進行研究的一個基本問題。本文中提出了基于深度生成模型的卷積層特征的提取整合方案，并將最終得到的全局特征應用在不同分類問題當中。實驗結果表明，在圖片精細分類和視頻動作識別兩個問題上，該方法均體現(xiàn)出較好的性能。

活動時間：8月19日下午2:00-6:30

活動地點：北京市海淀區(qū)雙清路77號院雙清大廈4號樓4層

抓住暑假的尾巴，來一次學術充電吧！GAIR大講堂CVPR清華專場開啟報名