线上 | 微软亚洲研究院资深研究员王井东：卷积神经网络结构设计—从更深到更宽

10月19日（周四）晚8:00，在将门技术社群，我们很开心邀请到微软亚洲研究院视觉计算组研究员王井东博士，为大家带来关于“卷积神经网络结构设计：从更深到更宽”的主题分享，他将会介绍两种深度卷积神经网络结构设计方案。

活动信息

▼

主题：卷积神经网络结构设计：从更深到更宽

时间：10月19日（周四）20:00

地点：将门创投斗鱼直播间

分享提纲

▼

在本报告中，我将会介绍两种深度卷积神经网络结构设计方案。首先，我会介绍一种提高residual networks的方法：应用一种merge-and-run变换的方法来并行地组装residual branches，通过这种方法我们得到相对不深但是更宽的网络。

然后，我介绍一种变宽的策略设计网络结构，核心是一种新型的通用卷积神经网络交错组卷积，可以适用于任何依赖于标准卷积的网络，带来的好处包括模型小，计算快，准确率高。我们在标准的图像分类数据上验证了这两种结构的性能。

嘉宾介绍

▼

王井东

微软亚洲研究院视觉计算组研究员

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，现任资深研究员。 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AAAI 2018，ICCV 2017，CVPR2017，ECCV 2016，ACMMM2015，ICME 2015，ICME 2012的areachair / track chair / senior program committee member, ICMR 2014 specialsession chair，CVPR，ICCV，ECCV，ACMMM，NIPS，IJCAI，SIGIR等多个国际会议的程序委员会委员，IEEE Transactions on Multimedia 和Multimedia Tools and Applications编委会成员，以及 TPAMI，IJCV，JMLR，TIP，TKDE，TMM等主流期刊的审稿人。2015年， ACMMM最佳论文奖入围。

个人主页：https://jingdongwang2017.github.io/

转自：将门创投

完整内容请点击“阅读原文”