计算机视觉

时间：2022年5月5日（周四）09:30 地点：望江校区基础教学楼B座318实验室 研读成员：姜磊、杨涛 研读内容： Part1 分享者：姜磊 分享内容： [1]Simonyan, K., & Zisserman, A. (2014). Two-Stream Convolutional Networks for Action »

2019年11月08日下午，PRCV2019在两个会议厅举办了四场关于机器学习和计算机视觉相关的前沿理论和技术的讲习班。笔者主要对《鲁棒和可解释人工智能》和《大规模深度人脸生成与分析》两场报告作简要介绍。 1. 鲁棒和可解释人工智能   近年来，尤其是以深度学习为代表的新一代人工智能算法的兴起，在图像处理、语音识别、机器翻译等诸多领域取得一系列重要突破，极大地提高了当前人工智能算法的性能，但是这类模型通常：   1）被当作一个黑盒子使用，难以被用户理解；   2）鲁棒性不足，容易被人眼不易识别的对抗样本所欺骗。   这些都给人工智能模型的部署和应用带来了障碍。如何提高模型的鲁棒性和可解释性，发展对人可信的人工智能技术，是当前以及未来人工智能领域的研究热点和难点。 »