摘要： Existing pattern recognition methods mostly concern the classification accuracy, while ignore the rejection and robustness in open world. In recent years, deep learning methods achieved huge successes in pattern recognition, but the popular deep neural networks show poor robustness to noise and outlier in open world. In this talk, I first explain the robustness of pattern recognition, list the related research issues of robust pattern recognition, and introduce some methods for improving the robustness for open set recognition, which needs to both classify within-class patterns and reject outlier. I will give the formulations of two rejection modes （ambiguity rejection and outlier rejection）and introduce some methods. Particularly, I will introduce a newly proposed deep learning method for open set recognition: convolutional prototype network (CPN). The CPN uses a prototype classifier for classification, and learns convolutional feature space and prototypes jointly to yield high accuracy for both classification and outlier rejection. The CPN also shows potential in continual learning and adversarial robustness.

报告人：刘成林，中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师，中国科学院大学人工智能学院副院长。1995年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国内外期刊和学术会议上发表论文300余篇，合著英文专著一本。中国人工智能学会副理事长、会士，IEEE和IAPR会士。

摘要： 计算机视觉与脑科学、认知科学有着紧密的联系，但人类视觉感知模式与计算视觉计算方法之间目前存在着难以逾越的鸿沟，尤其是在人类视觉的量化表征、认知学习计算架构等关键问题上。本报告从脑启发和认知启发两个源头介绍我们在以原型记忆、格式塔完型认知为核心的复杂环境理解、三维目标检测、驾驶行为行为预测等方面的研究。报告围绕智能驾驶任务，介绍三个方面的内容：（1）弱监督、小样本视觉认知学习；（2）Thinking in 3D驾驶场景三维目标检测；（3）Predictive-Bi-LSTM-CRF驾驶行为认知预测。

报告人：马惠敏教授，博士生导师，2001年博士毕业后在清华大学电子工程系承担教学科研工作，担任三维图像认知与仿真实验室（3DImageLab）负责人，2019年担任北京科技大学计算机与通信工程学院物联网与电子工程系主任、人工智能研究院副院长，现任中国图象图形学学会副理事长兼秘书长，北京市“三八红旗奖章”获得者。 从事计算机视觉与认知心理学交叉研究，探索复杂环境无人系统视觉感认知与决策关键技术。首次在国际上建立了图像认知心理测评智能系统，2016年获得吴文俊人工智能科技创新一等奖，教育部鉴定为“原始性创新，达到国际领先水平”；提出的基于GPU的高效能复杂环境仿真方法及应用，2017年获得教育部技术发明奖二等奖；提出的复杂环境中目标认知方法，2015-2017年连续在国际最大的自动驾驶数据集（KITTI）评测中获得第一名，2018-2019年在驾驶员状态预测国际数据集（Brain4Cars）上获得最好的成绩，2020年获得中国图象图形学学会技术发明一等奖。作为通讯作者在TPAMI、TIP、TITS、PR、CVPR、NIPS、ICCV、ICIP等发表论文100余篇.作为负责人承担了国家重点研发计划子课题、国家自然科学基金、专项重点基金、国际国内企业合作等30余项科研项目，获批及申请专利十余项，两项专利完成了科研成果转化。

摘要：The world is in the eve of the enthusiasm revolution by deep learning sweeping across almost all sectors of our society. Concerns are rising when the deployment has happened in the security critic domains, including autonomous vehicles and medical diagnosis. Fatal disasters on road, infamous privacy breaches, and shocking discrimination scandals undermine public confidence in deep learning applications. In this talk, we will present our perspectives, theory, and practice in (re-)building trust in deep learning.

报告人：Dacheng Tao is the Inaugural Director of the JD Explore Academy and a Vice President of JD.com. He is also an advisor of the digital science institute in the University of Sydney. He mainly applies statistics and mathematics to artificial intelligence and data science, and his research is detailed in one monograph and over 200 publications in prestigious journals and proceedings at leading conferences. He received the 2015/2020 Australian Eureka Prize, the 2018 IEEE ICDM Research Contributions Award, and the 2021 IEEE Computer Society McCluskey Technical Achievement Award. He is a fellow of the Australian Academy of Science, AAAS, ACM and IEEE.

摘要：以互联网和新一代移动通信为纽带，人类群体、各种智能无人系统正在云计算和物联网等环境中，逐渐走向普适性和深度化的互联融合，在复杂开放环境中涌现人机物融合的群体智能。如何从复杂系统的角度，对这类智能的基本规律和内在机理进行研究和分析，并设计与实现新型的群体智能系统？本报告介绍在复杂系统理论指导下，群体智能理论和技术的研究思路和未来发展的方向。

报告人：吴文峻，博士，北京航空航天大学教授，博士生导师。先后在美国印第安那大学和芝加哥大学阿岗国家实验室学习和工作，主持和参与了多项美国NSF科研项目，包括：计算社会和行为科学智能分析平台、开放生命科学知识网格等。主持和参加国家自然基金重点、国家重点研发计划、国家863计划、国家973计划、省部级和企业合作等20多项研究课题，在国际会议和期刊上发表学术论文120多篇，出版英文专著一部，担任国家人工智能标准总体组副组长。目前主要研究方向包括：群体智能、大规模在线教育、分布式计算、海量科学数据组织和管理等。

摘要：人工智能模型训练是一项需要高级技能的，专家的工作，高技术门槛、高开发成本、长部署周期等问题阻碍了全产业AI开发者生态的发展。为了助力开发者与产业更加从容地应对这一系统级挑战，新一代AI框架MindSpore专注于编程简单、端云协同、调试轻松、性能卓越，降低了AI开发门槛。本次演讲与大家分享AI框架的挑战、MindSpore的解决思路、MindSpore的实践等内容，期待与大家进行一次思维的碰撞。

报告人：于璠，中国科学技术大学计算机博士毕业，华为工作11年，现任华为全场景AI计算框架MindSpore资深架构师，获得2020 OSCAR开源人物，获聘哈尔滨工业大学客座教授，主导华为AI框架/云计算资源调度/SDN大规模路由等架构和算法的设计和开发，在分布式系统顶会/AI顶会发表论文20多篇，申请授权专利30多篇。

摘要： Recently, a variety of self-supervised learning and self-training techniques have revolutionized the perception tasks in computer vision and natural language understanding fields, showing the great advances and generalization in unsupervised and cross-modal pretraining. On the other hand, high-level cross-modal reasoning is a long-standing goal in AI field. This talk will present our recent attempts in bridging the self-supervised learning with high-level reasoning task from three aspects. First, a self-supervised network architecture approach named as BossNAS is presented to search superior transformer architecture from scratch, outperforming current ViT, Deit and T2T. Second, to resolve the geometric math problem solving, a critical cross-modality reasoning problem in smart education, we show how the self-supervised learning can be beneficial for extracting high-level features from the geometric diagram, and facilitate in producing explainable program paths for solving math problems. Finally, we present two newly released large-scale datasets for benchmarking the self-supervised, semi-supervised and domain adaptions techniques from 2D object detection and 3D point cloud detection in autonomous driving domain, hosted in ICCV 2021 Workshop&Challenge. SODA10M, containing 10 million unlabeled images and ONCE consists of 1 million LiDAR scenes and 7 million corresponding camera images. We reproduce and evaluate a variety of self-supervised and semi-supervised methods on two datasets.

报告人：Xiaodan Liang is currently an Associate Professor at Sun Yat-sen University. She was a Project Scientist at Carnegie Mellon University, working with Prof. Eric Xing. She focuses on interpretable and cognitive intelligence and its applications on large-scale visual recognition, automatic machine learning and cross-modality dialogue systems. She has published over 80 cutting-edge papers which have appeared in the most prestigious journals and conferences in the field, Google Citation 10000+. She serves as Area Chairs of ICCV 2019, CVPR 2020, NeurIPS 2021, WACV 2021 and Tutorial Chair (Organization committee) of CVPR 2021. She has been awarded the ACM China and CCF Best Doctoral Dissertation Award, the Alibaba DAMO Academy Young Fellow (Top10 under 35 in China), and the ACL 2019 Best Demo paper nomination. She is named one of the young innovators 30 under 30 by Forbes (China). She and her collaborators have also published the largest human parsing dataset to advance the research on human understanding and successfully organized four workshops and challenges on CVPR 2017, CVPR 2018, CVPR 2019, CVPR 2020. She also organized ICML 2019 and ICLR 2021 workshop. Her current research focuses on self-supervised and life-long learning techniques for large-scale task-driven visual understanding.

摘要：教育是一个规模产值过万亿的产业，如何利用技术手段为教育赋能从而提升教学和学习效率是教育领域多年来一直在探索的重点方向之一。暗物智能科技在教育领域致力于通过新一代认知人工智能技术实现行业智变，构建了教育行业AI应用平台，打造了一些列教育终端智能产品。本次演讲中将与大家分享暗物智能在教育工具和终端产品中结合AI技术的应用实践与思考，期待与大家就AI教育话题有一次深入交流。

报告人：张汝民，北京航空航天大学与大唐电信集团联合培养博士，香港大学博士后，爱尔兰里默克大学香农&马可尼研究中心首席研究员，现任暗物智能科技技术总监， 负责公司谙心助教产品的技术和算法研发，在电子与计算机领域国际学术会议和期刊发表论文20余篇，申请国际与国家发明专利30余项。

摘要：随着全球经济的快速发展，高效、协同的供应链在全球市场化进程中体现出必不可少的地位。供应链已由传统阶段发展到全新的智能供应链阶段，并将成为推动产业升级和实体经济转型的重要抓手。人工智能作为新一代信息技术，将结合大数据、物联网等构建智能供应链的技术基础，保障其敏捷性、协同性和需求创造，并加速产业链的数智化转型。依托全行业价值链数据和人工智能技术积累，我们与多家高校科研院所和企业正在共同研究打造国家级智能供应链人工智能开放创新平台，并对外进行开源和开放服务。本次报告将介绍智能供应链平台的最新研究进展，以及技术产品的落地案例，并重点介绍人工智能技术如何助力供应链升级，打通生产、流通和服务三大场景，做到全链条降本增效。最后，本报告还将对人工智能应用的未来进行探讨。

报告人：梅涛，IEEE/IAPR Fellow，京东集团副总裁，京东人工智能研究院副院长。

梅涛博士，京东集团副总裁，京东人工智能研究院副院长，科技部科技创新2030重大项目“智能供应链人工智能开放创新平台”项目负责人。他负责京东科技集团计算机视觉领域的基础研究、技术创新和产品研发。加入京东之前，梅涛博士曾担任微软亚洲研究院资深研究员。他在多媒体分析和计算机视觉领域发表论文200余篇，先后12次荣获国际最佳论文奖，并拥有50余项美国和国际专利。他担任多个国际学术期刊的编委和国际学术会议的大会主席。因在大规模多媒体分析与应用领域的杰出贡献，梅博士先后被遴选为国际电气电子工程师学会和国际模式识别学会会士 (IEEE and IAPR Fellow)，国际计算机协会杰出科学家，并且担任中国科学技术大学、复旦大学和香港中文大学（深圳）客座教授。

摘要：金融行业在营销、风控、运营、服务等全生命周期周期存在多个痛点，应用感知智能、认知智能和组件化中台等技术，能够提升效率、降低成本、管控风险，帮助金融行业转型升级。

报告人：徐亮博士，《麻省理工科技评论》“全球35岁以下科技创新35人”，科技部国家新一代人工智能普惠金融开放创新平台负责人，平安金融壹账通人工智能研究院总工程师，专注人工智能技术赋能政企辅助决策的研发和应用。徐亮博士本科毕业于清华大学，在牛津大学取得博士学位，2015年加入平安，负责人工智能技术的创新研发和应用，承担从国家到地方省市的多个政府项目，为平安集团内部10+专业公司提供人工智能解决方案，在多个大型城市（重庆、深圳等）的项目中实现创新性突破，申请国家专利150余项，作为第一作者发表的论文被《柳叶刀》子刊等高水平期刊接收，获吴文俊人工智能科技进步一等奖、深圳市杰出工程师、IDC智慧城市大奖等多个重要奖项。