报告题目：面向高效视觉计算的动态神经网络
报告摘要：
动态神经网络是一类能够根据输入数据自适应调整网络自身结构或参数的深度学习模型，具有表征能力强、推理效率高、计算负荷可在线调节等优点。本报告将回顾近年来计算机视觉领域发展的主流深度学习模型，并分析其所采用的静态计算机制的局限。受人类视觉系统能够自适应地在图像的不同区域上以及视频的不同时间节点上进行可变强度信息处理的特点启发，本报告将从空间自适应推理、时间自适应推理两方面介绍动态神经网络的最新研究进展。通过减少大量在无关紧要的时间、空间位置上的计算，动态计算的思想可大幅提升Transformer、CNN等深度学习模型在图像、视频处理任务中的计算效率和泛化性能。
个人简介：
黄高，清华大学自动化系副教授，博士生导师。2015年获清华大学博士学位，2015年至2018年在美国康奈尔大学计算机系从事博士后科研工作。主要研究领域为深度学习和计算机视觉，提出了主流卷积网络模型DenseNet。目前在NeurIPS，ICML，CVPR，ICCV等国际顶级会议及IEEE汇刊共计发表学术论文100余篇，被引40000余次，最高单篇引用超过3万次。获国家优青、CVPR最佳论文奖、达摩院青橙奖、世界人工智能大会SAIL先锋奖、中国自动化学会优秀博士学位论文、中国百篇最具影响国际学术论文、中国人工智能学会自然科学一等奖和吴文俊优秀青年奖等荣誉，入选北京智源学者、AI 2000人工智能最具影响力学者、《麻省理工科技评论》亚太区“35岁以下科技创新35人”。
主办单位：人工智能学院
报告时间：2023年4月7日（星期五） 下午13：:30
报告地点：正新楼三楼人工智能学院报告厅
