雷锋网 AI 科技评论按
：2017 年，在 GAIR 2017 大会成功举行后，雷锋网旗下宣布成立了一个全新的高端学术分享品牌「GAIR 大讲堂」。在过来的一年里，GAIR 大讲堂经过举行高频次的学术分享活动（包括线上和线下），完成了学术专家、AI 业者与高校学术青年之间的深度交流。以下是我们的年度清点。
国际顶会论文解读（线下）
AAAI 2018预讲会哈工大场（上）
AAAI 2018预讲会哈工大场（下）
内容简介：本次 AAAI 2018 预讲会约请了来自全国各地 15 所高校和研讨单位的教师和同窗分享他们在 AAAI 2018 中接纳的 25 篇论文，内容掩盖有聊天机器人、语义依存图、文本摘要、机器翻译、信息抽取、表示学习等多个范畴的最新研讨效果。会议吸引了 200 多名教师和先生来此参会并停止交流。
CVPR 2017 专场
CVPR（国际计算机视觉与形式辨认会议）是 IEEE 举行的年度学术性会议，会议次要关注计算机视觉与形式辨认等方面的技术内容。在各种学术会议统计中，CVPR 有着十分强的影响力和高排名。在美国夏威夷举行的CVPR 2017 大会上，学术界和工业界都给予了极高的关注度，无论是收录的论文数和参会人数都刷新了 CVPR 的历史纪录。
CVPR上海交大专场回忆
内容简介 ：
吴佳俊 （MIT EECS 系三年级博士生）分享了 A Point Set Generation Network for 3D Object Reconstruction from a Single Image，提出的点云生成网络处理了如何用深度神经网络从单张图片中恢复重建三维物体这个难题。
汪洋 （阿里巴巴人工智能实验室资深算法工程师）分享了阿里人工智能实验室当选的论文：Contextual Attention-based Memory Networks for Scene Labeling。
论文提出了一种 Episodic CAMN 办法，并在该办法的根底上定义了一种由全卷积神经网络和带有反应衔接的留意力机制记忆网络构成的一致框架来完成上下文信息的选择和调整。
杨蕊 （上海交通大学研讨生）分享的是 Video Segmentation via Multiple Granularity Analysis，解说了视频目的联系传统办法，以及该论文中提到的新办法遇到的应战，比方视频模糊，有遮挡，形变，和光照等要素影响。
林天威 （上海交通大学研讨生）分享的是 Single Shot Temporal Action Detection，并且应用该论文中提到的办法取得CVPR举行的ActivityNet Challenge 2017两项冠军。
王敏思 （上海交通大学博士生）分享的是 Recurrent Modeling of Interaction Context for Collective Activity Recognition，论文提出了一个基于多层次递归神经网络的群体行为辨认算法，在群体行为数据库Collective-Activity取得了目前很好的辨认精度。
CVPR清华专场回忆
内容简介 ：
段岳圻 （清华大学自动化系三年级博士生 ）分享的论文标题是：Learning Deep Binary Descriptor with Multi-Quantization 。 他辨别从四个方面引见了他的论文研讨：背景引见，文章办法，实验后果，参会意得。
孙刚 （Momenta 研发总监&结合开创人）分享的论文标题是：Squeeze & Excitation Networks。这篇论文作者提出了一种新颖的神经网络模块称为Squeeze & Excitation（简称SE），以此大幅提升模型的精度。
郑贺亮 （中科大&微软亚洲研讨院结合培育博士生）分享的是：Look Closer to See Better: Recurrent Attention Convolutional Neural Network for Fine-Grained Image Recognition。论文中设计一种RA-CNN的网络构造，将不同尺度的重要区域综合起来停止分类，完成了定位和精密化特征学习之间的互相促进，在精密化物体分类的义务上获得十分理想的后果。
邱钊凡 （中科大&微软亚洲研讨院结合培育博士生）分享的标题是：Deep Quantization: Encoding Convolutional Activations with Deep Generative Model。论文中提出了基于深度生成模型的卷积层特征的提取整合方案，并将最终失掉的全局特征使用在不同分类成绩当中。在图片精密分类和视频举措辨认两个成绩上，该办法均表现出较好的功能。
CVPR哈工大（深圳校区）回忆
内容简介 ：
左旺孟 （哈尔滨工业大学计算机学院教授、博士生导师）分享的论文标题是：Deep learning models for image restoration and depth enhancement 。文章设计了一种新的去噪CNN网络，并结合半二次分裂办法将其推行使用于狭义的图像恢复成绩的求解。
黄伟林 （码隆科技首席迷信家）& Matt Scott（码隆科技结合开创人兼 CTO）分享的主题是：CVPR WebVision 应战赛分享与瞻望。他们共同分享了参与竞赛的算法思绪和办法方面的相关经历，以及针对理想场景中非人工标注数据的训练和学习技术的探究。
陈晓智 （清华大学博士）分享的是：Multi-View 3D Object Detection Network for Autonomous Driving 。论文中提出了一种多视角三维物体检测网络（MV3D)，经过交融激光点云和 RGB 图像来完成物体的三维定位与检测。
李琛 （浙江大学博士）分享的主题是：Biological Human Skin Color Model: from Theory to Applications。李博士和团队其别人在CVPR 2017 宣布的两篇论文《Radiometric Calibration from Faces in Images》和《Specular Highlight Removal in Facial Images》中应用人脸肤色的生物学模型先验知识，在高光别离、相机呼应函数校准这两个成绩上，效果获得明显提升。
NIPS 2017 专场
继 CVPR 2017 会议在报名人数以及论文收录等方面创下多项「历史第一」之后，计算神经迷信顶级学术会议之一——NIPS（神经信息处置零碎大会）在文章收录后果仅仅发布 10 天之后，官方数据显示注册名额已满。人工智能关注度又上升了一个高度。
NIPS 清华专场回忆
内容简介 ：
NIPS 2017 共收到 3240 篇论文投稿，有 678 篇论文被选中作为大会论文，比例 20.9%，其中有 40 篇被选中停止行动报告（oral），112 篇选为 spotlight 停止展现。这些数字刷新了大会历史记载。
陆洲 （北京大学数学迷信学院大四本科生）分享标题是：The expressive power of neural networks : A view from the width。这篇论文从宽度动手，辨别从宽度带来的相变，以及宽度与深度对效率的影响来做实验，失掉了关于神经网络表达才能的新后果。
邓志杰 （清华大学计算机系人智所博士生）分享标题是：Structured Generative Adversarial Networks。该论文提出构造化生成对立网络(SGAN) 来处理半监视条件发生式建模成绩。
陈键飞 （清华大学计算机系人智所博士生）分享标题是：Population Matching Discrepancy and Applications in Deep Learning。次要引见了他们在NIPS 2017上提出的样本婚配差别（PMD）。
汪跃 （北京交通大学理学院博士生）分享的是：Finite sample analysis of the GTD Policy evaluation Algorithms in Markov Setting。这篇论文中首先证明了在数据来自于马尔科夫链的状况下，鞍点成绩的希冀意义下和高概率意义下的无限样本误差，进而失掉了更接近于实践情形下的GTD的算法的无限样本误差剖析。
单小涵 （中国迷信院计算技术研讨所博士生）分享的是：Influence Maximization with epsilon-Almost Submodular Threshold Function 。论文中提到了一种近次模函数，并以这类函数作为阈值，研讨通用阈值模型下的影响力最大化成绩。
学术青年分享会（线上）
达观数据张健：文本分类办法和使用案例
内容简介：此次分享中，张健依照 NLP 概述、文本分类的传统办法、深度学习在文本分类中的使用和案例引见四个板块，结合在达观数据的零碎设计和使用经历，分享了他的见地。
优必选悉尼 AI 研讨院王超岳：基于生成对立网络的图像编辑办法
内容简介：关于图像编辑义务，如今面临的两个重要的应战辨别是：如何提升生成图像的质量和如何灵敏控制生成图像内容。如何处理，王超岳带来详细解读。
极限元算法专家：深度学习在语音生成成绩上的典型使用
内容简介：深度学习在语音生成和语音加强上的新颖使用办法
Video ++孙兆民：人工智能行业报告——视频内容辨认行业剖析
内容简介：这份报告并非针对人工智能范畴全局观，而是解构视频行业，围绕国际视频内容辨认这一垂直范畴的创业公司展开讨论，从市场、产品、技术、商业形式、人才等多个维度动身，浅析人工智能技术在视频中的开展方向。
搜狗研讨员解说基于深度学习的语音别离
内容简介：语音别离的目的就是从环境等搅扰中别离出主说话人的语音，本文引见的是基于深度学习的语音别离。
如何用超大规模真实驾驶视频数据集做端到端自动驾驶
内容简介：文章中次要分享的是基于徐华哲和他的同窗们宣布的 CVPR 2017 的收录文章「End-to-end Learning of Driving Models from Large-scale Video Datasets」，这是对端到端自动驾驶的一个尝试。
BasicFinder 标注平台数据迷信家吴昊：从数据采集与标志行业看数据与深度学习之关系
内容简介：本文次要引见的是数据规模、数据质量等与深度学习算法之间的关系，以及为算法做数据预备的一些经历。
中科院曹婍：基于深度学习的社交网络盛行度预测研讨
内容简介：本文次要引见的是目前网络信息盛行度预测研讨的停顿，以及中科院博士生曹婍提出的基于深度学习技术的端到端盛行度预测框架（DeepHawkes 模型）。该任务已被国际会议 CIKM 2017 录用并宣布。
香港科技大学实施健：深度学惯用于短临降雨预告的一个基准和一个新模型
内容简介：本文引见了 NIPS 2017 论文： Deep Learning for Precipitation Nowcasting: A Benchmark and A New Model 中提到的中心算法模型。该论文的作者之一实施健给我们详细解说了论文中的中心思想以及模型的演进进程。
清华大学冯珺：当强化学习遇见自然言语处置有哪些巧妙的化学反响？
内容简介：本文引见了如何应用强化学习技术，更好地处理自然言语处置中的两个经典义务：关系抽取和文本分类。
多伦多大学博士生赵舒泽： 如何在FPGA上完成静态电压的调理？
内容简介：本文引见了其中一种降低 FPGA 能耗的办法——基于自测量的 FPGA 静态电压调理处理方案。
浙大博士生刘汉唐：带你回忆图像联系的经典算法
内容简介：本文第一局部引见的是传统视觉的图联系算法，第二局部是近几年盛行的深度学习算法中的经典技巧。
新的一年雷锋网 (大众号：雷锋网) 「AI科技评论」会继续输入更多优质内容，感激大家的关注和支持。
。
