CCF-GAIR全球人工智能与机器人峰会CV+专场报道

2017 年 7 月 14 日 深度学习大讲堂 张杰

点击上方“深度学习大讲堂”可订阅哦！

7 月 7 日，由中国计算机学会（CCF）主办、雷锋网与香港中文大学（深圳）全程承办的 AI 盛会 --「全球人工智能与机器人峰会」（CCF-GAIR），在大中华深圳喜来登酒店正式开幕。深度学习大讲堂非常荣幸能够成为此次大会的特邀媒体。

此次为时三天的CCF-GAIR是本年度国内人工智能和机器人领域规模最大、规格最高、跨界最广的一次学术、产业和投资界的盛会。今年的大会聚集了30位全球顶级学者，300多家人工智能和机器人领域的明星企业，携手打造13场大会报告，56个主题演讲，15个圆桌对话，11个人工智能+机器人分论坛，包括人工智能前沿专场，机器人专场，金融科技专场，未来医疗专场，智能驾驶专场和计算机视觉+专场等。

在计算机视觉+专场中，微软亚洲研究院资深研究员梅涛从Creation（创作）到Curation（管理）、到Consumption（消费）三个角度报告视频认知与理解方面的研究进展。视频创作方面的研究，主要包含视频关键帧提取，视频防抖以及根据一段文字自动生成动态视频等。视频管理方面的研究主要包括给视频自动打标签，基于视频的动作识别，动态生成一句话描述视频中的内容等。目前微软的小冰已经集成了这方面的研究成果，可以理解视频的内容，并进行相应的评价（auto-commenting）。此外，小冰还可以根据图片写出优美的诗句。在视频消费方面，梅涛研究员介绍了他们在视频风格迁移方面的工作，视频既可以变换到预设的几种风格下，还可以根据输入的图片（如油画），将该图片的风格迁移到视频中。

中山大学教授、商汤科技执行研发总监林倞老师围绕学术和产业结合的话题分享了报告《深度驱动的人工智能：从学术创新到产业落地》，从算法的研发、高性能计算、数据积累和储备三个层面介绍了商汤科技在AI深度学习方面的战略布局和研发成果。随后图麟科技CEO魏京京围绕算法、数据、场景落地、解决行业的痛点这四个要素，分享了图麟科技在过去三年里做视觉产业化的经验，强调商业+数据+技术三点结合才能形成公司坚实的技术壁垒。

计算机视觉+专场的最后一位演讲嘉宾中科视拓（北京）科技有限公司的董事长兼CTO山世光研究员首先介绍了中科视拓公司在人脸识别、手势识别、无人机视觉、视频结构化等算法方面的研发进展。中科视拓公司研发的人脸检测、特征点定位算法在速度和精度上均处于国际领先水平。人脸识别算法用于无卡考勤场景，实现1万名员工的考勤打卡，在1%误识别的情况下，达到99%的正确通过率。此外，公司在情绪感知方面具有长期的积累，实现7种常见表情的准确识别以及非接触式心律估计。手势识别技术用于控制智能影音播放等其他终端设备，极大地提升了用户体验。无人机视觉方面，可以在嵌入式开发板上实现小目标（如车辆）的检测与实时跟踪。

技术的改造升级离不开数据的支撑，山世光研究员从数据使用的角度出发，深入浅出地介绍了中科视拓公司的技术创新进展。针对小数据，为了能同时利用具有不同标注类型的特征点数据集，中科视拓提出稀疏形状模型耦合深度回归模型的方法，可以在不需要重新对数据库进行标注的情况下，有效地提高面部特征点定位模型的鲁棒性，该工作发表在ICCV2015上。针对脏数据，中科视拓在今年提出具有“自纠错学习”能力的深度学习方法，在深度学习的过程中，一边进行深度模型训练，一边去估计可能有哪些样本的标签是错误的，并同时把一些错误的标签修正过来，最终可以得到鲁棒的人脸识别模型。针对无监督数据，中科视拓提出深度迁移学习算法，实现从东方人的数据到没有监督的西方人和黑人的数据迁移，这个工作发表在ICCV2015上。