报名 | 360人工智能研究院院长颜水成携高徒陈云鹏：双通道神经网络

8月15日（下周二）晚，在将门技术社群，我们超级开心邀请到奇虎360人工智能研究院院长颜水成老师和他的爱徒新加坡国立大学在读博士生陈云鹏，为大家介绍被NUS-Qihoo队伍应用于2017年 ImageNet 比赛的核心网络——双通道神经网络（DPNs）。

基于该网络，NUS-Qihoo取得了图像定位项目任务冠军，所有项目各项指标均居前三。该工作首次分析并证明了ResNet 和 DenseNet 间的关联性，探讨了两者各自的优缺点，并进一步提出了一类全新的双通路网络结构。该网络在图像分类、物体检测、物体分割等任务上均取得了一流的性能。

活动信息

▼

主题：双通道神经网络（Dual Path Networks）

时间：8月15日（周二）20:00

地点：将门创投斗鱼直播间

分享提纲

▼

首先，颜水成老师会先回顾下8年来参与的比赛的算法简介。紧接着陈云鹏同学将会解读“Dual Path Networks”这篇文章的精华，并简要介绍NUS-Qihoo队伍于2017年 ImageNet比赛在物体定位任务中所使用的技术细节。

讲座大纲依照arXiv上的 “Dual Path Networks” 这篇论文，首先基于Higher Order RNN 对 DenseNet 和 ResNet 进行建模，通过理论推导和图结构化简两种形式证明现有的残差型神经网络（residual networks）其实是密集型连接网络（densely connected networks）在跨层参数共享的特例.

基于这一发现，我们将进一步分析残差型神经网络和密集型连接网络本质上的异同和各自的优缺点，并引入一种全新的网络结构——双通路神经网络。基于在 ImageNet (object classification), Places (scene understanding), PASCAL VOC (object detection & segmentation) 这三大任务、4个标准测试集上的测试结果，我们讨论DPN在各个任务中相较于DenseNet 和 ResNet的优势。

最后，我们将以2017年 Object Localization 任务为例简要介绍下，NUS-Qihoo 队伍是如何将DPNs应用于各个任务并取得冠军的。

嘉宾介绍

▼

颜老师还需要介绍嘛！

嗯...

鉴于照片有点帅，还是介绍下吧~

颜水成

360副总裁，首席科学家，人工智能研究院院长

新加坡国立大学终身教职，IEEE Fellow, IAPR Fellow 及 ACM 杰出科学家。他的主要研究领域是计算机视觉、机器学习与多媒体分析，发表近500篇高质量学术论文，论文引用过2.5万次，H-index 70。2014、2015、 2016 三次入选全球高引用学者 ( TR Highly-cited researchers )。

此外，他领导的团队在五年内曾7次获得计算机视觉领域核心竞赛 PASCAL VOC 和 ILSVRC的 winner 和 honorable-mention 奖项，10余次最佳(学生)论文奖项，曾取得多媒体领域核心会议 ACM MM 最佳论文奖，最佳学生论文奖，最佳技术演示奖的大满贯。

颜老师，可以给爱徒也拍张您那么帅的照片嘛！>.<

陈云鹏

新加坡国立大学在读博士生

师从冯佳时老师和颜水成老师。研究兴趣为深度神经网络结构设计，图像识别与检测。

转自：将门创投