专栏名称: 机器学习研究会

机器学习研究会是北京大学大数据与机器学习创新中心旗下的学生组织，旨在构建一个机器学习从事者交流的平台。除了及时分享领域资讯外，协会还会举办各种业界巨头/学术神牛讲座、学术大牛沙龙分享会、real data 创新竞赛等活动。

【报名】MIT在读博士周博磊：理解和利用CNN的内部表征

机器学习研究会 · 公众号 · AI · 2017-01-16 16:22

正文

点击上方 “机器学习研究会” 可以订阅哦

摘要

转自：将门创投

活动信息
主题：理解和利用CNN的内部表征
时间：1月17日（周二）晚8:00-9:00
地点：将门斗鱼直播间( https://www.douyu.com/jiangmen)

嘉宾介绍
周博磊
MIT计算机科学和人工智能实验室（CSAIL）博士四年级在读，师从Antonio Torralba教授。（同时也是知乎活跃用户==）
在此之前，他于2012年获香港中文大学信息工程硕士学位，于2010年获上海交通大学生物医学工程学士学位。
周博磊的研究兴趣主要集中在计算机视觉和机器学习，尤其是深度学习以及诸如场景理解和视觉智能在内的高维的视觉和AI问题。
周博磊曾获Facebook Fellowship、微软亚洲研究院Fellowship、MIT大中华区Fellowship殊荣。
了解更多关于周博磊的研究工作，欢迎访问他的个人主页>>
http://people.csail.mit.edu/bzhou/。
如果你还想了解更多关注周博磊在AI前沿方向的观点，欢迎大家关注他的知乎主页>>https://www.zhihu.com/people/zhou-bo-lei/answers

提纲
随着深度学习架构的成功，特别是卷积神经网络在视觉处理以及百万级标定图片数据库上达到的成就，计算机视觉的前沿技术突飞猛进。这种持续的进步的一个重要因素是理解这些深度学习架构中内部隐层所学到的数据表示。
在这个工作里，我们首先对比分析了用ImageNet训练的用于物体识别的CNN的内部表示和用Places数据库训练的用于场景识别的CNN。由于场景是有物体构成的，我们发现用于场景分类的CNN可以自动的学习并发现有意义的物体检测器。基于这个发现，我们的工作展现了同一个神经网络，在不需要显示的学习物体标识和定位的条件下，可以在一个前馈过程同时做到场景识别和物体定位。
这个分享主要基于我在ICLR’15、CVPR’16发表的工作以及一些还在进行的工作。

原文链接：
https://mp.weixin.qq.com/s?__biz=MzAxMzc2NDAxOQ==&mid=2650360853&idx=2&sn=640b615d0b8f25ad10e5e680c98426f5&chksm=839078c9b4e7f1dfff6b3023e9561e23c14b2d2d3066cfa9364cb2165ca54e1a532d2b67c350&scene=0&pass_ticket=oWx2LRqn49QBKffa1pTtfvFrORJsbw6Hea31tL8aqz4%3D#rd