深度视觉认知的七年之痒与发展思考

       摘要：自2012年ImageNet竞赛中提出AlexNet模型以 来，深度学习与计算机视觉的紧密结合已经走过了七年， 并取得了大量有价值的技术突破。然而，两项技术之间的 关系同样也面临着“七年之痒”：基础模型的颠覆性革新 日益减少、增大数据标注规模难以解决根本难题、资源受 限环境难以部署复杂模型等…在后深度学习时代，计算机 视觉研究应当何去何从？
   针对这一问题，本报告将从细粒度、类人化、高效率等三 个方面，介绍课题组近期在近似物体重识别与部件级解析、小样本学习、神经网络压缩等方面取得的最新进展,探讨后深度学习时代的计算机视觉研究预期具有的特性,力争为构建更高、更快、更强的深度视觉模型提供一条新 的技术途径。

简历:
  田永鸿，北京大学博雅特聘教授，博士生导师，2018年国家杰出青年基金获得者，兼任鹏城实验室人工 智能研究中心副主任。主要研究方向为视频大数据分析处理、机器学习与类脑视觉计算。累计主持国家重 点研发计划项目、国家自然基金重点项目等国家、省部级与企业合作项目30余项，发表学术论文180余 篇，获2015年欧洲信号处理学会JIVP期刊最佳论文奖和2018年IEEE多媒体大数据国际会议(BigMM)最 佳论文奖；拥有美/中国发明专利60余项，获国家技术发明和科技进步二等奖各一次、省部级一等奖2次，是首届高校计算机专业优秀教师奖励计划获奖者。(曾)担任国际期刊IEEE TCSVT、IEEE TMM、IEEE  Multimedia和IEEE Access编委，IEEE ICME 2015、IEEE BigMM 2015、IEEE ISM 2015和IEEE  MIPR 2018/2019程序委员会共同主席，IEEE MIPR 2020大会主席，兼任香港中文大学（深圳）和华中 科技大学兼职教授、教育部人工智能助推教师队伍建设行动试点工作指导专家组专家、全国研究生智慧城 市技术与创意设计大赛专家委员会秘书长。他是IEEE/CCF/CIE高级会员、ACM会员。