中国图象图形学学会机器学习及机器视觉暑期班圆满结束

2018年7月30日，为期8天的“中国图象图形学学会机器学习及机器视觉暑期班”在华南理工大学大学城校区计算中心圆满落幕。本次暑期班于2018年7月23日开幕，由中国图象图形学学会(CSIG)、微软亚洲研究院(MSRA)和华南理工大学(SCUT)联合主办，免费向广东省和全国其他地区的本科生和研究生讲授机器学习及机器视觉的基础知识和前沿进展。

本期暑期班由中国图象图形学学会机器视觉专委会和华南理工大学软件学院联合承办。华南理工大学软件学院院长王振宇教授、北京大学林宙辰教授、微软亚洲研究院学术合作经理马歆女士、华南理工大学自动化学院副院长俞祝良教授以及微软亚洲研究院学术合作经理石贝贝女士对本次暑期班提供了许多指导意见。

本次暑期班发起人和负责人为华南理工大学软件学院谭明奎教授（青年千人），并邀请了多位来自企业和高校科研一线的研究员和教授参与授课。受邀请的老师包括：微软亚洲研究院首席研发经理邹欣博士、华南理工大学软件学院黄翰教授（广东省杰出青年基金、珠江科技新星获得者）、中山大学陈旭教授（青年千人）、微软亚洲研究院视觉计算组研究员廖菁博士、华南理工大学软件学院副院长吴庆耀教授、华南理工大学电子与信息学院丁长兴研究员、澳大利亚新南威尔士大学姚丽娜副教授、华南理工大学自动化学院副院长俞祝良教授、广州视源(CVTE)中央研究院梁伟文院长、腾讯人工智能实验室黄文炳博士与华南理工大学电子与信息学院贾奎教授（青年千人）等。

本次培训采取课题实地培训和视频网络直播培训两种模式。来自广东省和全国其他地区多所高校的500多名同学报名了本次培训，组委会遴选了其中200名同学参与实地培训，其他同学则参与视频网络直播培训。在为期八天的培训中，参与培训的同学聆听了机器学习及机器视觉领域的前沿技术成果和最新动态介绍，并与相关专家进行了深度的交流与讨论。除此之外，根据培训的内容专门设置了相对应的编程实训环节，以三个实际项目为支撑，由资深研究生向同学们进行现场编程指导，以提升学生的动手实践能力为目的，并促进基础理论的掌握，达到理论与实践相结合、让同学们全方位地理解知识和锻炼能力的教学效果。

暑期班开幕式由华南理工大学软件学院博士研究生国雍主持，北京大学信息科学技术学院林宙辰教授通过视频对本次暑期班的开幕进行了远程祝贺。林教授分析了当前人工智能的发展状况和中国政府对人工智能产业的重视和规划，阐述了本次暑期班的目标和意义，对参与本次暑期班的同学们表示了热烈欢迎，并提出了殷切期望。之后，本次暑期班负责人谭明奎教授对培训背景、培训内容以及课程安排进行了细致介绍。

7月23日开幕式结束之后，由本次暑期班负责人谭明奎教授为同学们讲授机器学习基础的课程。谭教授首先指出数据、模型与损失函数对于机器学习的重要意义，用“把大象放进冰箱”的例子生动形象地描述了机器学习的过程；再以线性回归为例，从数据、模型与损失函数三个方面逐步引导同学们理解机器学习的基本流程。谭教授的讲解生动有趣，激起了大家强烈的学习兴趣。

7月23日下午，赵沛霖博士作了题为“随机梯度优化算法及进阶”的学术报告。报告中，赵博士给同学们介绍了支持向量机、随机梯度下降算法以及Adam优化算法等。线性分类是机器学习中最为基础的内容，随机梯度下降算法则是机器学习中最为常用的更新参数的方法，而优化算法对于机器学习中模型性能的优化更是有着重要的作用。赵博士的报告循序渐进，引人入胜，为后续内容的学习奠定了良好的基础。

7月24日下午，谭明奎教授为同学们讲述了图像处理以及直方图均衡化的相关知识。谭教授首先提出像素如何获取数据值的问题引导同学们思考，接着从图像的纹理结构等细节对图像的构成进行了介绍，然后对图像过滤进行了形象具体的讲解。此外，谭教授深入浅出地介绍了图像的直方图均衡化对于图像增强的意义以及直方图均衡化和直方图规定化的具体做法，使得同学们对于图像处理有着更进一步的认识。

7月25日上午，在新工科AI教育师资研讨会上，谭明奎教授就“人工智能领域教学建设的挑战和机遇”做了报告。谭教授分析了当前人工智能的发展现状以及人工智能对于人类生活的影响，并提出了人工智能在发展过程中所面临的挑战。同时，谭教授从教学建设角度提出了相关看法。

随后，来自微软亚洲研究院的邹欣博士作了题为“对AI教育的思考”报告。邹博士首先回顾了近年来人工智能的发展历程，分析了人工智能所具有的重大潜力，认为它将迅速发展并深刻改变人类社会的生活。邹博士还强调了强化人工智能的基础教育是我国未来的重要战略部署，它将进一步提升高校人工智能领域科技创新和人才供给能力。

7月25日下午，来自微软亚洲研究院的宋驰博士给同学们开展了人工智能的相关编程实践课程。宋博士首先简单介绍了开发工具集，然后进行了MNIST手写字体识别、看图识熊、智能家电等编程实践。在课程中，宋博士进行了详细具体的讲解，一步步指导同学们进行编程，并与其同事一起为有需要的同学们提供帮助，及时解决问题，保证教学课程有序进行。

7月26日上午，华南理工大学软件学院黄翰教授作了题为“数学建模+智能算法——人工智能工程化的利器”的报告。报告主要通过对“优化模型+启发式抠图算法解决图像前景精度获取”、“组合优化模型+启发式搜索算法解决物流多层调度”、“业务树模型+文本主题分析算法解决移动运营商客户咨询智能”等多个案例深刻地阐述了数学建模和智能算法的应用。

随后，来自中山大学数据科学与计算机学院的陈旭教授作了题为“面向移动智能应用的边缘计算”的报告。陈教授首先介绍了目前新兴的移动智能应用，面对计算密集、高动态、实时性强的挑战，提出了利用网络边缘的计算分布式存储资源，实现计算能力下沉，就近实时计算以减少云端数据传输以及本地化数据隐私保护。

最后，微软亚洲研究院视觉计算（Visual Computing）组研究员廖菁博士作了题为“Neural Style Transfer forImages and Videos”的学术报告，给暑期班的同学介绍了如何通过神经网络实现图像风格的转变。通过对神经网络的训练，可以实现同时学习多种多样的图片风格，具有广泛的应用前景。

7月26日下午，华南理工大学吴庆耀副教授为大家讲授了机器学习的基础课程“Logistic Regression and Softmax Regression”。LogisticRegression是一个被Logistic函数归一化后的线性分类模型，通常用于二分类问题。Softmax Regression则广泛应用于多分类任务，是Logistic Regression的进一步拓展。

7月27日上午，谭明奎教授给同学们介绍了卷积神经网络的基础知识。谭教授首先通过简单的线性回归模型介绍了在卷积神经网络中的矩阵乘法操作，然后通过具体的例子生动阐述了深度神经网络中具体的卷积过程。当天下午，谭教授接着讲解了卷积神经网络当中的前向传播和反向传播。随后，谭教授通过PPT及相关视频对人脸检测的基础知识进行了生动形象的讲解。

7月27日下午，华南理工大学电子与信息学院的丁长兴研究员作了题为“人脸识别基础简介”的学术报告，给同学们介绍了人脸识别领域的主要问题和研究进展。人脸数据库不断丰富发展，人脸识别的方法从传统方法向深度学习方法演变。丁研究员指出，大姿态角度、视频监控场景、严重遮挡以及跨年龄的人脸识别问题对于通用人脸识别模型仍然具有挑战性。

7月28日上午，新南威尔士大学姚丽娜副教授做了题为“推荐系统基础介绍”的讲座报告，在报告中详细介绍了推荐系统的基本概念和应用场景。推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台。姚教授还深入探讨了基于协同过滤的方法和基于深度学习的方法，总结了推荐系统的常用评价指标，令同学深受启发。

7月28日下午，华南理工大学电子与信息学院的贾奎教授作了题为“深度学习前沿讲座”的学术报告。贾奎教授首先介绍了什么是人工智能，之后介绍了计算机视觉领域的发展，并指出了正则化在人工智能中的重要作用，接着对迁移学习进行了详细的介绍，最后通过前沿的研究成果对迁移学习进行了进一步的阐述。报告中，贾奎教授与同学们积极互动，展开了热烈的交流与讨论。

随后，来自腾讯AI Lab的黄文炳博士为同学们作了题为“端到端视频表示学习”的学术报告。黄博士介绍了图像分类和动作识别在深度学习推动下的革命性发展，并基于当前光流方法中存在的显著缺陷，提出了一种全新的可端到端训练的神经网络——TVNet。TVNet通过模仿和展开TV-L的迭代优化过程而获得，无需任何额外训练就能直接使用，实现了比所有同类方法更优的准确度。

7月29日下午，华南理工大学自动化科学与工程学院副院长俞祝良教授向同学介绍了脑信号处理技术前沿，这项技术的研究核心是调整人脑和脑机接口系统之间的相互适应关系，寻找出合适的信号处理与转换算法，实时、快速、准确地把脑电信号转换成可被计算机或其他电子设备识别、输出、控制的信号或命令。

7月30日上午，广州视源(CVTE)中央研究院的梁伟文博士作了题为“语音识别介绍”的讲座。梁伟文博士主要讲解了语音识别的概况原理和技术分解，提出了声学建模和语言建模是语音识别的难点，介绍了运用混合高斯模型和搭建深度神经网络等方法来搭建训练系统。梁伟文博士还与大家分享了视源股份在语音领域取得的不俗成绩，现场同学与梁伟文博士进行了深入的交流，讨论氛围活跃。

此外，本次暑期班中，多位来自华南理工大学软件学院的博士研究生、硕士研究生与暑期班的同学分享了关于机器学习的精彩内容。其中，7月23日晚上，硕士研究生陈耀佛分享了Linux及GPU计算基础；24日上午，硕士研究生张一帆向同学们介绍了经典非线性分类模型Adaboost、GBDT以及XGBoost；24日晚上，博士研究生国雍介绍了如何做实验与管理实验；27日晚上，硕士研究生陈奇分享了PyTorch基础与实践；29日上午，博士研究生国雍介绍对抗式生成网络基础，随后，硕士研究生邓超睿介绍了RNN (循环神经网络)与LSTM； 29日下午，硕士研究生邓超睿分享了Attention机制；29日晚上，硕士研究生曹杰彰为同学们介绍了对抗式生成网络前沿，随后，硕士研究生牛帅程介绍了强化学习基础。

除了基础讲授和前沿讲座，本次暑期班还安排了三个实训项目，具体包括线性回归与梯度下降实验、线性分类与随机梯度下降实验、基于卷积神经网络的人脸检测实验。这些实验有效地提升了同学们的动手能力。

本次培训主讲的内容涵盖机器学习与机器视觉的基础课程以及国际前沿领域中最新的研究成果，为参与培训的同学展现了国内外机器学习与机器视觉领域发展的最新动态，提供了一次全面、深入的学习机会，推动了机器学习与机器视觉的发展与相关技术的普及。参与培训的师生积极互动，同学们与各位专家学者进行了深入的交流与探讨，气氛活跃。此次暑期培训在热烈的掌声中圆满结束。