深度学习的能与不能

魏秀参

Face++  南京研究院  南京研究院负责人

现任旷视科技Face++南京研究院负责人。南京大学LAMDA研究所博士,主要研究领域为计算机视觉和机器学习。在相关领域顶级国际期刊和会议发表论文十余篇,并两次获得国际计算机视觉相关竞赛冠亚军。著有《解析卷积神经网络—深度学习实践手册》一书。曾获CVPR 2017最佳审稿人、南京大学博士生校长特别奖学金等荣誉,担任ICCV、CVPR、ECCV、NIPS、IJCAI、AAAI等国际会议PC member。

演讲概要

深度学习是目前人工智能领域内无论是业界还是学界均倍受关注的技术,特别在计算机视觉、语音识别等应用方向深度学习已成为其主导技术。不过在深度学习大红大紫的同时,并不是所有任务上深度学习均能取得理想结果,这也再次验证了“no free lunch”定律。本次分享将从深度学习的基本概念、基本做法和发展历程出发,辅以案例,向听众展现深度学习的能与不能。

听众收益

1. 了解深度学习的基本概念、基本做法和发展历程
2. 了解深度学习在一些应用领域的使用现状
3. 了解深度学习并不是万能方法,在某些任务中仍有其局限。