“深度学习在图像识别中的应用与发展趋势”讲座成功举行

发布者:吴志林发布时间:2018-06-13浏览次数:2581

2018526日下午2点,主题为“深度学习在图像识别中的应用与发展趋势”的前沿科技类讲座在东南大学四牌楼校区致知堂成功举行。 本次讲座由东南大学党委研工部主办、东南大学研究生会,电子科学与工程学院研究生会承办,特别邀请了浙江大学光电科学与工程学院的博士生导师,专业领域为光电子技术、机器视觉及人工智能的林斌教授作为讲座嘉宾。林斌教授同时担任国家光学仪器工程技术研究中心常务副主任,浙江大学昆山智能检测机器人研发中心主任,苏州江奥光电科技有限公司董事长,浙江省光学学会副理事长,江苏省“双创”人才。同学们早早地来到了会场,报告厅里坐满了人,也包括2名外国留学生。

1 全体学生聆听讲座

在本场讲座中,林斌教授首先以“人工智能,我是AI,我在做什么”的短视频宣传片开场,介绍了人工智能的在工业医疗等领域的发展,并引出人工智能、机器学习、深度学习三者的关系,向我们说明了深度学习是近十年来人工智能领域取得的最重要的突破之一。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功。重点介绍了深度学习在物体识别、物体检测、视频分析的最新研究进展,并探讨其发展趋势。紧接着林教授从概念提出到走向繁荣,说明了人工智能是为机器赋予人的智能,机器学习是一种实现人工智能的方法,其中机器学习最成功的是计算机视觉,向我们阐述了浅层学习和深层学习的实质与区别,并以神经网络训练学习为例。紧接着先从机器学习发展阶段的历史与背景谈起,说明深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。同机器学习方法一样,深度机器学习方法也有监督学习与无监督学习之分.不同的学习框架下建立的学习模型很是不同.例如,卷积神经网络(Convolutional neural networks,简称CNNs)就是一种深度的监督学习下的机器学习模型,而深度置信网(Deep Belief Nets,简称DBNs)就是一种无监督学习下的机器学习模型。围绕着深度学习的原理 ,林斌教授也向我们表达了深度学习在图像识别中的发展趋势,(1)模型层次不断加深,(2)模型结构日趋复杂,(3)海量的标注数据和适当的数据扰动。与图像识别相关的各种应用也在推动深度学习在网络结构、层的设计和训练方法各个方面的快速发展。可以预见在未来数年内,深度学习将会在理论、算法和应用各方面进入高速发展时期。

最后,林斌教授把重点放在了深度学习的应用上面,介绍了机器视觉、智能语音、生物医疗、工业检测、人脸识别与深度学习的关系,说明了深度学习在视频行业和医疗行业以及金融行业的应用。在机器视觉方面的应用如生物特征识别技术和光学学符文本识别,在智能语音方面的应用如对话系统,在生物医疗方面应用如阿里ET医疗大脑,在工业检测方面如缺陷检测和异常识别,在人脸识别方面提出要解决多模态人脸比对和大姿态问题,还说明了自动驾驶技术的发展趋势。并分析了深度学习在太阳能面板视觉检测中的应用和深度学习在海底采购机器人以及汽车后挡风玻璃导热线检测的案例。希望深度学习在人工智能方面有着更大的突破和进展。

2 嘉宾解答提问

林斌教授还在讲座现场与同学们和东大的创业毕业生进行了问答互动,就“深度学习在图像检测识别”系统所涉及的输入输出端问题以及深度学习中的算法和数据模型问题进行了讨论与解答,并进一步讲述了深度学习的趋势以及个人和中小公司如何在人工智能的浪潮中创造出自己的商业价值。这次讲座林斌教授从深度学习的概念、应用的角度对“深度学习”进行了全面深刻的剖析,让同学们收获颇丰。最后电子科学与工程学院的叶莉华副研究员为嘉宾颁发了证书,并祝贺林斌教授受聘成为电子学院专业型硕士的企业导师,期待在实用型研究生培养环节开展合作、做出更大的贡献。

3 授予聘书


                                       


                                           文:张帅

                                            图:李新宇