机会与挑战并存 Chance & challenge ----...
description
Transcript of 机会与挑战并存 Chance & challenge ----...
张磊
声学信号、语音信号、雷达信号、图像和视频信号 ICASSP 每年 5 月份召开,截稿日期 10 月份 -11 月份
视频信号、图像信号 ICCV 、 ECCV ICCV 每两年召开一次、 ECCV 基本是每年召开一次
图像处理 ICIP 每年 9-10 月份召开,截稿日期是前一年 1 月份
模式识别 ICPR 、 CVPR
机器学习 ICML— 今年 6 月份在北京召开
ICASSP 是信号处理领域最大的会议,每年参会的人数在 2000 人以上,今年 2700 人
每年在会上对当年信号处理领域做出贡献的人进行奖励,包括 IEEE fellow 、十年最佳论文等
会议领域很广泛,包括很多相关信号处理的很多相关主题 语音识别、语种识别、语音理解交互 图像理解、图像分类、编码 视频处理 通信领域、雷达信号处理 机器学习算法
2014- 佛罗伦萨,意大利 照片
2014- 佛罗伦萨,意大利 孕育了但丁、米开朗基罗、达 ·芬奇等等赫赫有名
的大人物 古旧得近乎朴素的城市 阿尔诺河将城市一分为二,在河上矗立着一座座老
桥,桥边则遍布着金银首饰店铺等前店后铺的手工作坊
佛罗伦萨大教堂
只要是信号处理方向,你都能找到你感兴趣的热点问题
2013- 温哥华,加拿大 照片
温哥华 温哥华给人印象最深的是覆盖冰川的山脚下众岛点
缀的海湾,绿树成荫,风景如画,是一个富裕的绿色住宅城市。
斯坦利公园( Stanley Park )
David G. Lowe
ICIP 主要关注图像处理和计算机视觉相关领域的研究进展,每年一次
同 ICASSP 一起是 IEEE 信号处理协会( SPS )下主办的两个会议
会议等级等同于 ICASSP ,但参会的规模要小于 ICASSP ,这是由于 ICASSP 囊括的领域要远大于 ICIP 的缘故。 ICIP 2012— 奥兰多,美国 ICIP 2013— 墨尔本,澳大利亚
ICIP 2012— 奥兰多,美国 迪士尼乐园
迪斯尼 - 未来世界 ( Disney's Epcot ) 迪斯尼 - 动物王国 ( Disney's Animal Kingdom) 迪斯尼 - 好莱坞影城 ( Disney's hollywood
studio ) 迪斯尼 -魔法王国 ( Disney's Magic Kingdom);
ICIP2013
计算机视觉的顶级会议 牛人多、文章有深度,偏重于理论 涉及领域不局限于计算机视觉,还包括识别、跟踪、分割、统计机器学习和基于几何的视觉学习等
谷歌曾发布一个雄心勃勃的计划,要用计算机硬件和软件重新构建人类大脑 ---谷歌大脑
百度去年在加州库珀蒂诺,建立一个专门研究“深度学习”的实验室
灵魂人物:吴恩达 Andrew NgStanford universityMachine learning courseNIPS 、 ICML 上几乎每年有新文章
Supervised learning/unsupervised learning
Classifier model / machine learning algorithm
Deep neural network
Fisher kernel
Random forest
NBNN/LNBNN/ NBNN kernel
BOW / VLAD(vector of locally aggregated descriptor)
NBNN
Local NBNN
Random forest
Deep learning /DNN
Building High-level Features Using Large Scale Unsupervised Learning
ICML 2012 Andrew Y. Ng
is it possible to learn a face detector using only unlabeled images?
the model has 1 billion ( 十亿 ) connections
the dataset has 10 million (百万)
200x200 pixel images downloaded from the
Internet
1,000 machines (16,000 cores) for three
days
Basic classification
Main framework for basic classification
SIFT+BOW+SVM
Sparse coding +SVM
Fisher kernel +SVM
VLAD + SVM
Object bank + SVM
Refined classification
Chihuahua
Refined classification
English_foxhound
Main framework for refined classification
SIFT + BOW + random forest
SIFT + spatial pyramid + EMD + SVM
New descriptor mapping as manifold learning
Random forest + SVM