1月9日，由中国人工智能学会主办，CAAI模式识别专委会和东南大学自动化学院承办的第15期CAAI模式识别专家论坛在东南大学举办，同时基于腾讯会议开设线上模式。

出席本次论坛的嘉宾有CAAI模式识别专委会副主任杨健教授，上海人工智能实验室科学技术发展部部长乔宇研究员，中国科学技术大学张天柱教授，上海交通大学卢策吾教授，江苏润和软件股份有限公司IOT&AI解决方案中心邵新庆技术总监，南京理工大学李翔博士，东南大学自动化学院执行院长魏海坤教授、杨万扣教授、王辰星副教授、谢利萍副教授、张金霞副教授、全志斌博士，南京航空航天大学刘宁钟教授，江苏大学沈继锋副教授等。论坛由杨万扣教授与谢利萍副教授共同主持。

图1现场杨健教授致辞、魏海坤教授致辞照片

杨健教授首先向大家简要介绍了CAAI模式识别专委会的情况，指出模式识别是人工智能领域应用最为广泛的研究方向，并就各位老师、同学和朋友们对论坛的支持表示感谢。魏海坤教授对论坛嘉宾们的到来表示欢迎，介绍了东南大学及自动化学院的办学概况。

图2 张天柱教授线上作报告

随后，中国科学技术大学张天柱教授作题为“弱监督视觉学习：目标定位及时序动作定位”的报告。他为大家分别介绍了图像目标定位和视频行为定位的弱监督学习方法。他指出了弱监督在图像目标定位领域通常使用的类激活图（CAM）的缺陷，并提出了一种使用前景激活图（FAM）的方法，用来对分类和定位进行联合优化。另外，他还指出了弱监督在视频行为定位领域的方法，用来对稀疏性λ进行建模，加入了对λ的不确定性α的建模机制，还改进了CAM图变为类激活序列（CAS）。

图3 邵新庆总监作报告

江苏润和软件股份有限公司的邵新庆技术总监作题为“小众场景下视觉AI应用快速落地”的报告。在报告中，他指出了当下视觉识别任务的落地部署中，小众场景下的大量长尾需求应用落地仍然是一个非常具有挑战性的问题。本次报告，邵新庆技术总监从视觉算法在小众场景的实际落地出发，分享了在定制化严重、数据量不足、交付时间紧的情况下，通过构建统一异构框架的智能视觉分析引擎、众包数据标注平台和流水线式模型生产能力，快速实现智能化解决方案的实施策略，充分满足了行业小场景人工智能应用的快速交付需求。

图4 卢策吾教授作报告

上海交通大学卢策吾教授进行了关于具身智能和机器理解等相关研究工作的报告。报告主要围绕两个主题展开，即如何让机器理解人类行为和如何让理解的人类行为能指导机器人进行工作展开。卢老师重点介绍了在海内外获得巨大关注并已经发表到世界顶级期刊的人体行为引擎（HAKE）的工作，取得广泛商用的人体姿态估计网络（AlphaPose）和具有革命性的效果提升的机器人通用抓取系统（GraspNet）。会议最后，卢老师提出，希望在未来的工作和人工智能发展方向中，进一步提升机器人基于人类行为理解的以人为中心交互和服务。

图5 李翔博士作报告

南京理工大学李翔博士围绕主干网络以及网络表征，分别介绍了图像识别近年来的几个相关工作。主干网络方面，李翔博士工作组在卷积神经网络上提出基于生物启发的动态感受野建模机制（SKNet），在视觉transformer上提出高效的金字塔结构以适配于下游的多尺度检测任务（PVT）；网络表征方面，针对单阶段目标检测器提出分类和定位质量的联合表征，对边界框进行一般化分布的建模（GFL），并利用可学习边界框分布的统计量引导更可靠的定位质量估计（GFLV2）；会议的最后，李翔博士还分享了自己在科研中的经验和感悟，鼓励在场的科研同仁勇于尝试，保持信心，不惧失败。

图6 乔宇研究员线上作报告

针对当下人工智能视觉领域中仍存在任务通用、场景泛化和数据效率等一系列瓶颈问题，中科院深圳先进技术研究院乔宇研究员详细介绍了他们近期刚发布的新一代通用视觉技术体系——书生（INTERN），该体系可通过持续学习，举一反三，不断成长，逐步实现通用视觉领域中分类、目标检测、语义分割、深度估计等核心任务的融会贯通，最终实现灵活高效的模型部署，从而解决各种不同的下游任务，这对于解锁实现人工智能长尾应用，帮助业界更好地探索和应用通用视觉AI技术，促进AI规模化落地，都具有重要意义。

在问答环节，专家与现场及线上的老师和同学们进行了热烈讨论，给大家答疑解惑的同时也给一些同学指明了研究方向。

本文由CAAI模式识别专委会供稿