主讲人：刘征
开始时间：2023-12-09 09:00
地点：物信学院111报告厅
报告人简介：刘征，1969年出生，加拿大籍，国际光学工程学会会士，IEEE高级会员，现任加拿大不列颠哥伦比亚大学教授，曾任日本丰田工业大学教授、加拿大国家研究委员会研究员(Research Officer)，新加坡南洋理工大学研究员(Research Fellow)，致力于工业智能系统、数据信息融合的研究，取得丰硕成果，成功转化为企业产品；主持或参与科研项目60余项（约五百万加元），有美国、加拿大国家2项发明专利在申请审查中，应邀参加4次国际会议并作报告，主编出版3部学术专著，发表约200篇SCI论文，荣获国际模式识别第七届泛太平洋图像与影像会议最佳应用论文奖项（2015年）。
报告内容简介：
系列I：预训练-微调（Pre-training and Fine-tuning）是过去十年计算机视觉中最重要的学习范式之一，其基本想法是在海量数据的任务中，对神经网络进行训练，然后再将预训练过的模型在下游数据量较少的任务中进行微调。这种方式能够将上游大数据任务中学到的信息迁移至下游数据量较少的任务上，缓解数据量不足的问题，并显著提升模型的性能。
系列II：随着ChatGPT热潮袭来，大模型如何在计算机视觉里发挥重要作用、如何应用大模型服务各种视觉任务、如何借助海量数据突破算法性能上界等一系列问题，成为学术界与产业界共同关注的热点。
系列III/系列IV：可解释性分析在医学影像分析、自动驾驶、安全监控等领域都具有广泛的应用。 它不仅可以帮助检测模型的错误和不准确性，还可以提高用户对模型决策的信任。 总之，可解释性分析是计算机视觉领域的一个关键方面，它旨在提供深度学习模型决策背后的透明性，通过可视化和数学分析来解释模型的行为，以便更好地理解和改进模型。
