实现“产品系列化、运营集团化、通路国际化、服务本地化、办公智能化”
的目标，打造世界一流的智能应用及运营管理平台。
联合主办的第24届国际模式识别大会International Conference on Patten Recognition（ICPR）在北京正式拉开帷幕。模式识别作为人类一项基本智能，是指对表征事物或现象的各种形式的信息进行分析和识别，是信息科学和认知科学等学科领域的交叉前沿研究方向，目前已成为人工智能领域一个重要的分支。
作为模式识别领域的旗舰学术会议，国际模式识别大会自1972年起，每两年召开一次。在2014年国际模式识别大会的理事会全体会议上，中国和澳大利亚围绕2018年国际模式识别大会举办权展开了激烈角逐。中国科学院自动化所模式识别国家重点实验室学术委员会主任、中科院院士谭铁牛和实验室主任刘成林代表中国作申办报告并回答了理事会的质询，最终赢得理事会青睐。本届大会也是其创办40多年来第一次在中国内地召开，具有重要的历史意义。
本届大会分为6个主题，包括模式识别和机器学习、计算机视觉、语音图像视频和多媒体、生物识别技术和人机交互、文档分析和识别以及生物医学成像和生物信息学，除了口头报告和海报展示，大会还邀请到6位该领域的顶尖学者做主题演讲，展示该领域最新研究成果。
8月21日上午8时许，ICPR 2018在盛大的开场视频中拉开帷幕。大会主席谭铁牛院士和大会程序委员会主席刘成林研究员分别致辞。
在持续4天的主会中，共举行9场全体会议，包括3场颁奖演讲及6场特邀嘉宾报告。其中，来自芬兰奥卢大学的Matti Pietikäinen教授、德克萨斯大学奥斯汀分校Kristen Grauman教授、意大利摩纳德大学Rita Cucchiara教授分别荣获由国际模式识别联合会颁发的King Sun Fu奖、J.K. Aggarwal奖以及Maria Petrou奖，并就各自研究领域作精彩的大会报告。
香港科技大学教授权龙、美国福特汽车公司高级技术主管K. Venkatesh Prasad、微软公司全球副总裁毛建昌、谷歌研究科学家Ashok Popat、学教授周志华以及英国牛津大学教授Alison Noble应邀作大会主旨报告。
权龙教授是香港科技大学计算机科学与工程系的终身正教授，是具有国际声誉的计算机视觉与图形学专家。他于1989年在法国国立洛林理工学院（INPL）计算机科学系取得博士学位，在法国国家信息与自动化研究所（INRIA）任职法国CNRS高级研究员。他于2001年加入香港科技大学计算机科学与工程学系并担任视觉计算与图像科学中心主任，他还是中国科学院自动化研究所——香港科技大学智能识别联合实验室组委会主席。他的科研兴趣主要专注于计算机视觉、图形学、人机交互、统计学习、模式识别和机器人等方向的研究工作。他所提出的相机标定六点算法为计算机三维视觉发展奠定了重要的基础。
在题为“The Challenges of 3D Reconstruction with Deep Learning”的演讲中，权龙教授将回顾以往计算机视觉和视觉学习的发展历程，并将重点介绍最近令人兴奋的深度视觉学习工作和计算机视觉的3D重建突破等工作。近期，权龙教授和香港科大学生一起创办了网站，这是世界上第一个通过无人机和智能手机拍摄3D画面的门户网站。权龙教授将展示由无人机拍摄的数百平方公里大都市和农村地区的大规模重建方法，以及由智能手机拍摄的日常物体的小规模重建方法。同时还将展示由香港科大团队开发和资助的在线云平台和门户网站以及众包Altizure地球，这堪比流行的谷歌地球！
美国福特汽车公司高级技术主管K. Venkatesh Prasad是福特移动出行领域的高级技术负责人，也是福特全球技术顾问委员会成员。在此之前，他是福特的全球创新执行主管，负责汽车零部件和系统工程，并在3年的时间里帮助全球工程中心建立了8个员工创新空间。在早些年，Prasad将基于早期CMOS摄像机的计算机视觉应用到包括自动前灯检测在内的多种汽车应用中。2011年，Prasad设计了Open XC，这是该行业的第一个开源硬件和开源软件平台，仍是今天是福特用来设计、测试和发布产品的工具之一，也是世界各地的研究人员和实验者使用的工具之一。
随着人类智能、想象力和创造力在机器智能领域不断进步，我们有了新的方式来满足社会的移动出行需求。人类和机器拥有巨大的智能，我们有机会创造从“A”到“B”的全新体验和相关服务。由于在模式识别、计算机视觉和图像处理方面的进步，汽车变得越来越“智能”，对周围环境的感知也越来越多，世界也在变得“聪明”。在题为“Automobiles and Mobility Solutions”的报告中，K. Venkatesh Prasad将概述机器智能在应用程序中的一些关键应用领域，从而满足人类的移动需求。
微软公司全球副总裁毛建昌博士领导着一个由工程师、科学家、产品经理、市场运营者和分析师组成的全球团队，负责开发技术和产品，并运营着数十亿美元的广告市场，为必应、雅虎、美国在线和其他合作伙伴提供服务。毛建昌博士的研究领域包括人工智能、机器学习、数据挖掘、信息检索、计算机广告、模式识别和图像处理。他在期刊、书籍章节和会议上发表了50多篇论文，并拥有29项美国专利。
半个多世纪以来，计算机科学家一直在试图训练计算机系统来执行人类的感知和认知任务，例如识别图像和语音、理解文本、翻译语言等等。但这些系统都被停滞不前的精确度所困扰，远低于人类的表现。近年来，随着深度学习技术的突破，由于计算能力、大数据和机器学习算法的快速增长，这些系统的性能已经获得了强劲的发展势头。今天，人工智能的突破正以加速的速度到来。计算机系统在几个感知和认知任务上的性能达到了人类的水平2018年1月，微软是第一个在斯坦福问答数据集的文本理解任务中实现与人类水平对等的公司。两个月后，微软宣布其在新闻数据集上的中英文互译的机器翻译达到了人类同等的水平。在题为“Achieving Human Parity Performance in Pattern Recognition and Language Understanding by Machines”的演讲中，毛建昌博士将简要介绍微软在这些任务上实现人类平等的历程，以及实现突破的技术。同时，他还将介绍深度学习的一些应用，比如OCR（光学字符识别）在无约束环境和广告中的应用。
谷歌研究科学家Ashok C. Popat于1986年和1990年获得麻省理工学院电子工程专业的理学学士和理学硕士学位，1997年获得麻省理工学院媒体实验室的博士学位。他是谷歌开发OCR系统的团队的一员。他还曾在摩托罗拉、惠普等公司工作。他的研究兴趣包括信号处理、数据压缩和模式识别。
文档分析和识别仍然是一个充满挑战性的领域，跨越并涉及到包括模式识别、计算机视觉、语言学、数字人文和增强现实等多个领域，这一领域的大部分工作仍有待完成。作为一名OCR领域的研究人员，Ashok C. Popat将带来题为“Advice to a Promising OCR Researcher”的演讲。在演讲中，他将试着反思一些从导师、同事和其他地方获得的建议，包括麻省理工学院、施乐帕克研究中心以及谷歌。Ashok C. Popat将在谷歌开发OCR系统的背景下介绍这些想法。
学人工智能学院院长周志华教授毕业于学计算机科学与技术系（学士、硕士、博士），2001年留校任教 。现为学教授，博士生导师 、教育部长江学者特聘教授，国家杰出青年基金获得者；学计算机科学与技术系副主任、软件新技术国家重点实验室常务副主任，机器学习与数据挖掘研究所（LAMDA）所长，校、系学术委员会委员、学人工智能学院院长（兼）。周志华教授主要从事人工智能、机器学习、数据挖掘等领域的研究工作，获2013年度国家自然科学二等奖（排名第一），2005、2011年度教育部自然科学一等奖（排名第一），14次获国际期刊/会议的论文、报告或竞赛奖，40余次应邀在国际学术会议做特邀大会报告。
深度学习是近年来的热门话题。一般来说，“深度学习”这个词是“深层神经网络（DNNs）”的同义词。周志华教授将在题为“An Exploration to Non-NN Style Deep Learning”的报告中，讨论深入学习的要点，并证明它不一定是由神经网络实现的。然后，周志华教授将对非NN风格的深度学习进行探索，其中构建模块是不可微分的模块，训练过程不依赖于反向传播。
英国牛津大学教授Alison Noble是英国牛津大学生物医学工程学院教授。她最为人所知的成就是她的团队在超声图像分析方面的研究，其中许多研究涉及与临床合作伙伴的跨学科合作。她目前的研究兴趣是将机器学习应用于发达国家和中低收入国家的超声成像及胎儿医学。在她的职业生涯中，她一直对科研商业化保持着浓厚的兴趣，将其作为实现学术研究影响的途径。Alison Noble教授从2013年到2016年担任医学图像计算和计算机辅助干预（MICCAI）学会的主席。她是欧洲研究理事会高级研究奖获得者，英国皇家工程院院士（2008年）和英国皇家学会院士（2017年），并在2013年女王的生日庆典上因对科学和工程的贡献而被授予大英帝国勋章。
成像技术在临床实践中得到了广泛的应用，但需要专家的专业知识来获取图像并进行解释。机器学习应用于成像的最新进展正在改变我们分析超声图像和从超声图像和视频中提取临床有用信息的方法。毕竟，图像只是声学模式中的“空间地图”，所以机器学习的模式识别能力将非常适合图像的分析。在题为“Human Intelligence, Artificial Intelligence and How They Are Changing Ultrasound Image Analysis”演讲中，Alison Noble教授将会介绍团队在机器学习应用于超声图像分析方面的最新进展，针对这个应用领域的一些有趣的挑战，以及一些新兴的研究热点。
除了精彩的颁奖演讲及特邀嘉宾报告，本届大会还将进行29场共计125份口头报告以及4场共计527份海报论文展示。据悉，口头报告论文和海报论文经过专家评审团公平公开地严格审查，从1258份投稿中脱颖而出。本届大会论文接收率为52%，口头报告论文接收率不足10%。
为期5天的第24届国际模式识别大会将吸引数千名来自模式识别、机器学习、计算机视觉等相关领域的海内外知名专家共聚一堂，交流相关研究领域的最新成果和发展趋势，促进科研、技术与人才的国际合作。
多科技类干货文章，欢迎搜索订阅。聚焦人工智能领域，分享科研干货，解读学术动态，与高水平专家面对面交流，提供最新学术资讯，服务一线科研人员，助力登顶学术科研高峰。返回搜狐，查看更多