CNCC2017

转载请注明作者梦里茶

大会日程表:http://cncc.ccf.org.cn/cn/news/schedule_empty

早上的论坛可以在爱奇艺下载视频

下午的分论坛是多个同时进行的,我也只去了一部分,这里先按时间顺序写自己的一些收获,之后会从另外的角度做一个总结。

如果觉得我的整理对你有帮助,欢迎star这个项目

10-26 am

丘成桐 现代几何在计算机科学中的应用

  • 从几何学的角度找到优化问题(如GAN)的等价形式,通过解决等价问题加速优化过程

沈向洋 理解自然语言 概述,对话和理解

  • 自然语言:机器学习(表述)->机器智能(对话)->机器意识(意境)
  • 图像表述:微软有一个Image Caption的api可以用
  • 检测,分割,识别只是基础任务,对图像进行理解是以后的热点
  • 小冰:LSTM端到端,话题引导,有意识的脑补

李飞飞 A Quest for Visual Intelligence: Exploration Beyond Objects

  • 在图像识别,分类,分割,检测之外,还有更多的东西可以做
  • 图像理解,场景理解,问答,场景检索,思维导图生成
  • 上一点也适用于视频

汤道生 让AI服务于人

  • 腾讯的AI产品
    • 微信语音转文字
    • QQ视频挂件,QQ扫码转文字
    • 天天P图:美颜美妆
    • QQ音乐:个性化推荐
    • 企鹅FM:文字转语音
    • 全民K歌:伴奏分离
  • 腾讯在方面已经有不错的工具,可以集成到我们想要做的东西中
    • 腾讯云小微三大开放平台
    • 腾讯云智慧交通
    • 腾讯觅影
  • 可以做的问题:
    • 手机性能挖掘,模型压缩,内存共享

马维英 人工智能和新一代信息与内容平台

  • 今日头条:智能内容分发(推荐系统)

10-26 pm 深度学习与医疗影像分论坛

医疗图像与疾病预警

  • 医疗数据结构化,为每个病人提供个性化服务
  • 通过对图像进行分析,加上医生判断,实现半自动阅片
  • 对图像做异常检测,对异常数据进行预警

图像分割

图像分割是医疗图像中一个很重要的任务,通常分为分割,配准,可视化几个子任务

  • 分割面临的困难:不同目标区域亮度一致,区分度小,不同目标区域边界模糊,图像采集存在噪声
  • 两种分割任务: 区域分割(二维)、曲面分割(三维)
  • 分割步骤:检测识别(定位),边界寻优
  • 当前的一些分割方法:
    • 按照图像中区域之间的联系,或者图像中的能量,将图像转为图,用图割,图搜索的方法,对图像进行分割
    • 外观模型:特定的目标区域往往具有特殊的外观,包括轮廓,形状,可以用外观模型进行匹配,做粗粒度的分割,或者对细粒度处理后的图像进行校正,
    • 多模态图像处理
      • 融合结构信息和功能信息合起来进行分割
      • 对准两个模型(结构和功能)的图像,对两个模型的预测结果进行约束(比如希望两个模型的输出相近)
      • 双模型交互迭代优化
    • 曲面分割
      • 对曲面做分层
      • 建模成三维的图结构,对边权和点权做最大流最小割
    • 异常区域分割
      • 先对区域进行矫正,再用原来的方法进行分割
    • 数据后处理:欠分割,过分割的解决
      • 添加位置约束
      • 边缘匹配
      • 多边形近似
        • 对于某种目标区域,有着固定的多边形外观,可通过多边形近似的方法,标记出图像中近似的特征点
        • 实际图像和多边形往往不完全相似,可以用聚类的方法对瓶颈进行校正
        • 添加像素与边缘的平均几何距离约束,可以使得标记出的边缘更加接近真实边缘
    • 特征用深度学习的方法提取,距离度量用传统方法

基于贝叶斯的视觉信息编解码

  • 任务
    • 视觉信息编码:视觉信息->人脑->神经活动(编码)(反之就是解码,解码也可能解码为语义信息)
    • 神经活动可以用仪器测得的脑电波变化表达
  • 模型
    • 对图像进行卷积(这是推理网络),得到中间特征,用这种中间特征与神经活动进行关联,从而得到神经活动的编码
    • 将神经活动进行反卷积(这是生成网络),得到图像,
    • 目标信号的生成模型融入相似度分析,即,用两个信号是否属于对同一对象的概率作为学习目标,建立起一个贝叶斯线性模型
  • 除了视觉数据之外,还有其他模态的数据,可以根据其他模态的数据构建多视图生成式自编码器

DL

  • 小数据集下的深度学习
    • 数据增广
    • pretrain
    • 传统方法加深度学习做检测
      • faster rcnn提取特征(可能漏选,可以用传统方法预筛选更简单有效)
      • 多尺度卷积分类(LUNA2016第四名)
  • 分类
    • 领域知识在特征提取中的作用
      • 领域知识进行预处理,对于不同的输入图片,提取不同的特征,对多种特征融合预测
  • 分割
    • 多网络提取特征融合(ensemble)
    • 不同网络提取不同部分或者不同结构的局部的特征,将特征拼接起来
  • 多模型投票
  • 多模型相互学习(深度协同)
    • identification loss and classification loss
  • 贝叶斯推理
  • 深度学习影响分析
  • 将先验知识设计到网络中
  • 模拟数据去除隐私问题
  • 脉冲神经网络
  • 领域知识最大的作用在于不是直接端到端,而是对问题做分割,对子问题做端到端
  • 移动GPU

异常检测

  • 只有正常数据,如何发现异常数据
  • 高斯模型,低概率区域为异常数据
  • 高斯过程学习(非参数模型)
  • 生成式↑
  • 判别式(基于分类)↓
  • 单类SVM:将原点作为第二类,让超平面离原点尽可能远
  • 分类结果差越多(??),说明越异常
  • GAN做异常检测(如果还原出现异常(异常的局部会还原失败,从而自动完成标注),说明是异常图像)

10-27 am

物体识别到场景理解

  • Face Recognition, Car Recognition
  • 单类识别,多类识别
  • 可扩展方向:性能,稳定性,可解释性,推广性,与人感知的一致性
  • 视觉:什么东西在哪里
  • 场景理解-知识图谱
  • 属性组合挖掘

10-27 pm

语音前沿技术

  • 港中文
    • Man-Computer Symbiosis:人机共生
    • Microsoft speech-recognition
    • 人机共生三种场景
      • AI competencies
        • Challenge: 语音加情感识别,场景丰富,non-native, dysarthric, personal speaker
      • 人机协作解决困难问题
        • RFID加在电车上,可视化,动态规划车次
      • 人机合作发明新的知识
        • AI进行search,retrieve,cluster,categorize,compare....
    • Challenge: 语音加情感识别,场景丰富,non-native dysarthric speaker
  • 李锦辉 ECE
    • 语音识别(ASR),实际错词率比声称的高
    • 语音总是备选项,需要solution,speech app(在用户hands,eye-busy scenarios里)
    • more than WERs
    • 频谱转换(paradigm shift,旧方法应用在新的场景)
    • 降噪,增强,杂音分离,消除回响
    • 信号处理->识别
    • DNN黑箱
      • 属性分析,专业知识,不能盲目分析,不能说只有标签就行,knowledge-driven
      • 例如发音中识别摩擦音,爆破音
      • 将传统模型中里程碑式的东西拿过来用
    • 自动化语音属性抓取
  • 搜狗 陈伟
    • 自然交互
    • 知识计算
    • 语音←(asr tts)→语言←(ocr 图像生成)→图像
    • 语音听写(字幕,演讲,采访),语音翻译,语音同传
    • 可穿戴设备,车载,智能家居
    • SeqSequence CNN LSTM
    • 运算平台:单卡3TFlops->1PFlops
    • 基于容器对GPU运算做调度
    • GPU -> FPGA -> RDMA
    • 移动端:模型压缩,轻量化

人工智能与机器学习前沿技术论坛

  • 朱军:半监督深度学习模型
    • 贝叶斯深度学习
    • 基于贝叶斯推断的深度生成模型
    • 对GAN加中间约束的生成模型
    • ZhuSuan(珠算):概率编程模型,开源可用
  • 演化算法
    • 适用于:解空间不规则,需求不好精确建模的情况
  • 视频检索的哈希学习
    • 图像检索
      • 通常的特征太大,检索太慢
      • 用二进制编码的一个哈希值来表达特征
      • 设计一个损失,约束正负样本的相似度误差,用变量绝对值与1的差的一范数等价为二进制约束
    • 视频检索
      • 对两段视频分别切割为帧图片做图像检索的哈希学习

10-28 am

  • 下一个互联网引爆点
  • 十年后的智能机器人

10-28 pm 多媒体计算

多媒体计算

  • AI2.0
    • 大数据智能
    • 群体智能
    • 跨媒体智能
    • 混合增强智能
    • 自主无人系统
  • 应用:制造,农业,医疗

朱文武 TMM趋势

  • TMM介绍
    • IEEE of Transactions on Multimedia
    • 多媒体计算
    • 多媒体社交
    • 多媒体信号处理
    • 多媒体应用和系统
  • 趋势:
    • 2.5->3.5,CCF A, 长文
    • 一年900篇提交,接受30%-35%
    • 中了之后半年内出
    • 超过60%是机器学习+图像视频分析,多模态,跨媒体
  • 跨媒体智能
    • 文本图像语音视频及其交互属性混合
    • 多源融合+知识演化+系统演化
    • 解决语义鸿沟(机器认识世界是什么)意图鸿沟(机器理解人要达到什么目标)
    • 机器学习助力多媒体目前效果好,多媒体知识助力AI不成熟
    • 跨媒体深度分析和综合推理
      • 浅层到深度
      • 知识图谱指导多媒体分析,属性补全,知识表达理解是以后的趋势,多媒体理解,视频QA之类
      • 难点:跨媒体知识学习推理,多媒体情感分析
      • 知识离散,特征连续,如何转化
      • 知识和数据如何融合
      • 媒体到机器学习近期套路:
        • 深度学习+反馈(知识、规则进行反馈/强化学习)(黑箱)
        • 统计推理,贝叶斯推理(白盒)
      • 数据驱动 && 知识驱动
    • Cross-media analysis and reasoning: advances and directions

图像与视频生成的规则约束学习(GAN)

  • 已有工作
    • 人脸姿态转换,年龄转换,表情转换
    • 超分辨率,画风转换,字体转换,图片转视频
    • 应用:
      • 动画自动制作(补间),手语生成
      • 视频自动编辑(天气变化)
  • WGAN,PPGAN
  • 无监督新框架
  • 创意:随机性
  • 难点
    • 解空间巨大:需要找出解所在的低维子空间
    • 宏观结构的一致性(视频生成需要的像素感受野(pooling)很大,难以预测长期运动变化)
    • 微观结构的清晰度,要同时逼近多模分布,避免单模生成的结果不够精确
  • 用领域中的规则去约束GAN,加入破坏规则的代价
  • 缩小预测空间,保证宏观结构,加快细节生成
  • 工作介绍:
    • 景深风景生成
      • 难点:要求空间结构合理,不能有严重的模糊
      • 约束:从现有风景图像中对景深关系建模(对区域进行标注, 不同区域有不同的远近限制)
      • 建立位置和对象的关系,得到某个位置有某个对象的概率分布
      • Hawkes过程模型
      • 根据对象对图层做分解,由概率约束建立图层约束
      • 层内DCGAN,层间LSTM聚合出整图
    • 骨架约束的人体视频生成
      • 骨架运动有约束
      • 骨架提取很鲁棒,可以得到很多有标签知识(传统方法用来提取知识)
      • 静图+动作序列变动图
      • CNN编码解码,孪生网络双输入进行生成
      • 判别器:对生成和实际帧做Triplet loss优化
      • gan loss和视频相似度loss相加
      • 交互运动视频生成
  • 创意+规则约束+复杂场景+复杂交互

基于锚图的视觉数据分析

  • 图学习
    • 相似度矩阵 -> 图的邻接矩阵 -> 用图的方法对邻接矩阵进行优化
    • 标号建模 标号平滑 标号学习
  • 锚图学习(速度+)
    • coarse to fine
    • 利用数据点图,生成锚点图,先采一部分有代表性的数据(例如聚类中心)生成一个图模型,然后推理出其他图
    • 图模型:表示矩阵,邻接矩阵,如何建立,加快相似度计算
  • 高效锚图(性能速度+)
    • 数学上优化约束条件
  • 层次化锚图(速度++)
    • 锚点是线性增加的,也会增加得很快
    • 对第一层采样的点做再采样,多层采样减少了锚点数目,从最少的锚点的层逐层推理
  • 标号预测器(速度+++)
    • 优化对锚点的标号
    • 对最小的锚点层接一个优化器进行标号预测
  • 主动学习(样本选择)
    • 减小标号的误差损失
  • Google Expander Graph Learning平台:经典方法,并行运算

彭宇新 跨媒体智能

  • 形式上多源异构,语义上相互关联
  • 聚焦于跨媒体统一空间学习,获得多个媒体间共享的潜在子空间
  • 跨媒体实体关系,跨媒体知识图谱,跨媒体知识演化和推理
    • 讲了好多篇论文的Motivation和Solution,我会具体整理另一篇文章
  • 跨媒体智能描述与生成
  • 用于信息检索
  • 应用:内容自动监管,舆情分析,智能医疗

层次记忆网络:视频问答 跨媒体推理

  • 视频转语言
    • 视频帧 + 时序依赖 -> 动态动作信息
    • 选择ROI帧,时序结构编码(Dual Memory Recurrent Model--LSTM扩充来的),生成句子
  • 层次记忆网络
    • Image QA: 检查是否真的理解了图片
  • 视频时序推理

results matching ""

    No results matching ""