【犀牛鸟·学问】CCF-腾讯犀牛鸟基金线上学术报告——深度学习专题201901

设立CCF-腾讯犀牛鸟基金线上学术报告交流活动，其主要目的是为参与基金项目的青年学者、企业研发专家及项目相关的研究型人才提供一个广泛而专业的学术交流平台。

项目组将定期邀请学界学者与企业研发专家举行在线或线下学术研讨会，讨论专项研究课题，分享最新的研究及实践成果。

基金期待大家在这个平台上自由的进行分享，理性的进行讨论，从而碰撞出更为闪耀的学术火花。通过丰富的学术与思想交流，基金期待更好地助力参与者在产学研合作过程中拓宽学术视野，提升实践能力，为科技自主研发的探索和创新储备能量。

报告时间：2019年6月11日20:00-21:30

报告形式：QQ群线上直播

（报名形式参见下文）

01

分享论文一：

域适应与数字病理

数字病理是癌症诊断的金标准，也是医学图像分析领域近年来渐受关注的重点。分享嘉宾将基于国内病理科的现状和病理数据自身特点，讨论以深度学习为代表的机器视觉技术在病理图像分析中遇到的挑战，并讨论基于深度域适应的病理图像分析在解决小样本病理图像分析中的若干进展，相关成果将有助于促进高水平的病理诊断资源服务于基层医院病理科。分享者嘉宾将同时简要介绍与腾讯AI lab联合发表于CVPR 2019的关于深度域适应的论文。

01

分享嘉宾:黄悦

厦门大学信息科学与技术学院副教授。研究兴趣主要包括机器学习及其在生物医学图像分析中的应用。主持过自然基金、腾讯犀牛鸟基金及企业委托项目多项；在CCF各类期刊会议上发表相关论文多篇；获得省科技进步奖1项。

02

分享论文二：

基于可分解卷积滤波器的

卷积神经网络压缩方法

在实际场景下（比如手机端），运算和存储能力都受到限制，在这种情况下发挥出卷积神经网络的优异性能面临着很大的挑战。一种可行的解决方案是模型压缩，即在尽量保持模型性能的情况下，尽量多地减少模型的运算和存储成本。其中最具代表性的压缩思路是滤波器减枝，即减少滤波器的数量。本工作提出将减枝问题建模成混合优化问题，基本思想是首先定义可分解卷积滤波器，即将每个滤波器点乘一个二元参数（0/1）。我们提出的优化算法可以同时训练滤波器参数和二元参数，当算法收敛时，如果二元参数为0，则其对应的滤波器被减枝。区别于传统减枝方法中的先训练模型再减枝的策略，我们的方法同时训练模型和减枝，可以得到性能更加优异的压缩模型。

02

分享嘉宾：吴保元

博士，现为TEG AI Lab计算机视觉中心专家研究员，研究方向为计算机视觉，机器学习和优化，主要研究课题包括对抗学习、离散优化、模型压缩、图像/视频理解、大规模视觉表示学习等。其研究成果发表在TPAMI、IJCV、CVPR、ICCV、ECCV等期刊会议上，其中CCF A类文章17篇。

加入方式：

扫描下方二维码或搜索群号607259978

即可加入学术报告QQ群观看直播

后续各类专题线上报告

将提前一周在公众号或QQ群内发布

欢迎大家积极参加！