近日，美国加州大学伯克利分校教授马毅，作为码隆技术咨询委员会(TAB, Technical Advisory Board)成员到访码隆科技，并向团队分享了其在计算机视觉技术领域的最新研究进展。会上，码隆科技首席科学家黄伟林及算法部成员们也结合近期研究成果，进行了交流展示。
AIOWFseWQjOaOouiuqOaKgOacr+WPkeWxlQ=="/>
美国加州大学伯克利分校教授、码隆技术咨询委员会成员马毅教授与大家交流技术进展
活动现场，码隆科技联合创始人兼CTO码特表示：“非常荣幸能够邀请到马毅教授来到码隆科技进行技术分享。马毅教授不仅在计算机视觉研究领域有很高建树，他为计算机科学人才培养所做的贡献也对学界有着深远影响。同时，马毅教授也是码隆科技的技术咨询委员会成员，有了他的加入，我们可以合作将前线实践和前沿研究做更好的结合，为学界、产业界创造出更多新的价值。”
AIOWFseWQjOaOouiuqOaKgOacr+WPkeWxlQ=="/>
码隆科技联合创始人兼CTO码特致欢迎辞
作为计算机视觉技术领域的领军学者，马毅教授也表示人才培养是分享理念、发展技术的关键途径，也是自己一直以来非常重视并乐于投入的事情。同时，他分享道：“早期去参加CVPR会议时，参会人数只有不到200人， 而今年的参会人数已经超过9000人，可以看到计算机视觉领域正在蓬勃发展，并获得了来自世界各地越来越多的技术人才的关注。码隆科技对这一技术的研究和应用就是一个很好的例子。”
在谈及深度学习的发展趋势时，马毅教授分享了自己对于监督学习和无监督学习技术应用趋势的观点。马毅教授说道：“目前，码隆科技所钻研的弱监督学习算法来进行图像分类的应用是很有趣的。”他认为目前无监督学习涉及的很多方面还需要进一步探究，而此前大部分研究者都专注在监督学习算法上，而如何将这两者进行平衡与结合，这将是技术发展的重要趋势。他相信，未来这类技术在真实场景的应用将会更广泛。
AIOWFseWQjOaOouiuqOaKgOacr+WPkeWxlQ=="/>
马毅教授分享对技术应用趋势的观点
此后，码隆科技首席科学家黄伟林博士带领算法团队成员们展示了团队取得的最新技术进展，包括在弱监督学习、深度度量学习、迁移学习、生成模型等方面的研究探索，以及在CVPR、ICCV、ECCV等计算机视觉会议的论文发表情况，得到了马毅教授的宝贵建议与肯定。
码隆科技首席科学家黄伟林博士(上)与算法团队成员(下)展示最新技术进展
码隆技术咨询委员会(TAB, Technical Advisory Board)是由多位计算机科学领域专家学者组成的技术咨询委员会，旨在为人工智能技术在应用到实际产业过程中提供相应的新兴技术研究建议、人才培养建议，并共同推进人工智能技术在学界和产业界蓬勃发展。
马毅教授与码隆科技算法团队合照
关于马毅教授
马毅，美国加州大学伯克利分校电子工程与计算机系教授，ACM和IEEE Fellow，担任过国际期刊《IEEE Trans. on Pattern Analysis and Machine Intelligence》的副主编，现任《IEEE Trans. on Information Theory》、《International Journal on Computer Vision》、《SIAM Journal on Imaging Science》和《IMA Journal on Information and Inference》的副主编，并入选“全球最具影响力的计算机科学领域作者TOP 50”名单，是计算机视觉领域的重要代表人物。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
