应必威·betway邀请，英国格拉斯哥大学杨笑尘老师，北京邮电大学博士研究生常东良于2023年4月26日下午3点在betway必威彭家坪校区图书馆5楼报告厅为必威·betway研究生做了题为“度量学习的鲁棒性和泛化性分析”和“细粒度图像分类”的学术报告会。本次报告会由学院金老师主持，全体研究生参加了报告会。
杨笑尘老师首先分享了她在机器学习理论方面的最新研究成果。介绍了许多统计和机器学习方法，如K近邻算法和K均值聚类算法。依赖于数据点之间的距离度量。度量学习通过构建优化问题，约束样本的类内和类间距离，从而找到适合当前任务的距离度量方式。通过一种提高度量学习算法对抗鲁棒性的方法，然后从优化算法的角度讨论度量学习的泛化能力。最后强调了机器学习在人工智能领域的重要性和广泛应用，并展望了未来的研究方向和挑战。
随后，常东良博士汇报了他在细粒度图像分类应用方面的研究成果。通过大规模的human study实验发现，大多数现有的细粒度视觉分类模型仅输出单粒度标签的方式存在若严重的实用性问题，不能满足所有人的需求——具有不同专业/知识背景的人，想要的答案是不一样。为此，介绍了基于解耦增强网络的多粒度图像分类算法，实现了标签自适应。基于跨模态知识触台的细粒度图像分类算法，尝试如何将Al模型学握的细粒度知识传递给普通人，让你我这些(鸟类)识别的外行，在知识的帮助下，也能够看出这些(鸟类) 的差异，进而识别他们。最后他强调了机器学习在大数据时代的应用潜力和前景，并讨论了在应用中可能面临的挑战和解决方法。
最后，杨笑尘老师和常东良博士还与在场的师生们进行了深入的交流与讨论，分享了他在实际应用中的经验和教训。整个报告会气氛热烈，两位专家的汇报内容引发了与会师生们的浓厚兴趣。在互动环节中，师生们积极提问，与两位老师进行了深入的学术交流。两位专家耐心解答了师生们的问题，并鼓励大家在自己的领域内深耕细作，不断探索创新。（撰稿：金亚蓉；审核：李晓旭）
甘公网安备 62010302000641号
