3 演讲题目:CNN Architecture Design
演讲摘要:在本讲座中, 将介绍一种深层神经网络的设计模式, 深层融合。由此产生的网络, 叫做"深度融合网", 是一种多路径、多尺度、权重共享网, 且层次间具有快速连接的方式。然后, 提出了两种“改进的参数”和“计算效率”的深层融合方法。一种是基于合并和运行的映射, 它通过更宽且相对浅的方法来提高ResNets。另一种是原始-对偶组卷积(PDGC)。它比Xception 和常规卷积更有效的参数和计算, 我们显示, 这是我们的方法PDGC 的特殊实例。我指出, 增加宽度是CNN 构建的另一个方向。
王井东
微软亚洲研究院主管研究员
王井东博士于2001和2004年在清华大学自动化系获得学士和硕士学位,于2007年在香港科技大学计算科学与工程系获得博士学位。2007年进入微软亚洲研究院,现任主管研究员。 发表论文100+,其中包括一本专著。他是IEEE, ACM 高级会员,中国计算机学会会员,担任了ICCV2017, CVPR 2017, ECCV 2016, ACMMM2015, ICME 2012,ICME 2014的area (track) chair, ICMR 2014 special session chair, CVPR, ICCV, ECCV, ACMMM, NIPS, IJCAI,SIGIR等多个国际会议的程序委员会委员,Transactions on Multimedia, Multimedia Tools and Applications,Neurocomputing编委会成员,以及TPAMI,IJCV,JMLR,TIP,TKDE,TMM等主流期刊的审稿人。2015年,入围ACMMM最佳论文奖. 2014年,CVPR outstanding reviewer.
|