您的位置：首页 > 分支机构 > 会员活动中心 > 会员活动中心 > 南京 > 会员活动中心动态

CCF 南京举办首期 “钟山论坛：从大数据表示学习理论到卡脖子的机器人智能芯片”

阅读量:1091 2019-06-26 收藏本文

2019年4月27日，CCF 南京活动中心（简称CCF南京）在南京理工大学国际学术交流中心成功举办了首期CCF 南京钟山论坛，本次钟山论坛的主题是“大数据表示学习与机器智能”；论坛执行主席是CCF南京副主席肖亮教授、南京航空航天大学周宇，在线执行主席为CCF南京副秘书长吉旭。参与到会的代表包括CCF 会员、CCF南京委员，YOCSEF 南京委员以及CCF南京理工大学学生会代表合计80人。特邀讲者为西北工业大学电子信息学院博士生导师戴玉超教授，南京航空航天大学计算机科学与技术学院副院长张道强教授以及CCF理事、中科院计算所韩银和研究员；特别嘉宾包括CCF 苏州秘书长王涛先生，CCF理事、天津理工大学罗训教授，CCF理事阿里云何万青博士，吉林大学孙铭会教授、南京理工大学计算机科学与工程学院院长杨健教授、谢晋教授等。

首先，CCF南京副主席肖亮介绍了到场的各位学者及企业界朋友，并邀请CCF理事、南京理工大学计算科学与工程学院副院长张功萱为本次活动致辞。由南京航空航天大学计算机科学与技术学院周宇教授主持本次论坛。南京理工大学计算机科学与工程学院院长杨健教授到场与与会嘉宾讨论。

本次论坛以主题为“大数据表示学习与机器智能”展开，戴玉超教授首先分享了“基于深度学习的几何计算机视觉：从监督学习到无监督学习”的精彩报告，戴教授认为计算机视觉致力于赋予机器与人类似的视觉感知能力，几何计算机视觉主要利用相机获得的多个二维图像重建所观测场景的三维几何结构，在无人系统、自动驾驶、机器人、虚拟现实/增强现实和场景分析等方面有重要应用，近年来计算机视觉与人工智能已经成为广泛的研究和社会焦点。深度学习特别是深度卷积网络在特征学习与语义信息提取上具有巨大优势，如何将这数据驱动模型与几何模型相结合成为最近研究的热点。戴教授在报告中依次介绍了所在其本人及其合作者在该领域开展的一系列最新工作，包括如何在监督学习框架下实现单目深度估计、双目深度估计和多目深度估计，如何构建无监督学习框架以实现连续视频双目深度估计、具有几何约束的单目光流估计和双目-激光雷达数据的有效融合等，最后对于本领域进一步的发展方向进行讨论。

来自南京航空航天大学的张道强教授作了题目为“脑影像智能分析与脑疾病早期诊断”的精彩报告，张教授认为脑影像技术是研究脑科学的重要工具之一, 然而由于脑影像数据所固有的高维度、多模态、异构和时变等特性，对其进行快速有效分析是当前研究的关键问题之一。在报告中，张教授首先简要介绍了脑影像分析的基本方法，然后重点介绍他们近几年在基于机器学习的脑影像／脑网络智能分析方面的相关工作，并介绍其在脑疾病早期诊断、影像遗传学、脑认知与脑解码中的应用。

最后，中科院计算所研究员韩银和研究员作了“大度：机器人智能芯片”的精彩报告。韩教授认为未来的机器人将具有高度感知能力、认知能力、灵敏的运动能力，而这些都需要新的计算引擎以提供计算能力支持。目前基于通用嵌入式处理器或可编程逻辑控制器的计算系统，不能满足性能需求。研发新的适合机器人领域的核心芯片，为未来智能机器人提供智能和运动能力是目前“卡脖子”的技术问题。韩教授首先分析了机器人中应用负载的特征，然后介绍机器人智能处理器初步成果Dadu，它是一个双核异构计算架构，包含了一个智能核，集成嵌入式神经网络加速器，以提供听觉、视觉等感知能力；一个运动核，集成运动控制加速器，以提供敏捷的运动能力，希望能为未来机器人提供计算“大脑”。

三场报告结束后，首期钟山论坛组治了题目为“如何避免研究生将深度学习作炼金术研究”的Panel。在Panel 环节，三位专家与现场观众热情互动，分别就深度学习可解释性、轻量化，网络架构等方面进行了讨论。参会人员就报告内容展开了深入讨论，会场气氛热烈，台上台下的精彩互动将整个活动推向高潮，同时也为活动划上了一个完美的句号。