企业宣讲，打造智能物联nhà cái k8的解决方案
4 月 13 日，开幕式在安徽国际会展中心正式举办，旷视上海研究院负责人危夷晨博士代表旷视向与会的各界嘉宾做了企业宣讲，从核心战略、核心技术体系以及核心价值三个维度对旷视做了全面描述。
危夷晨表示，旷视秉承“以非凡科技，为客户和社会持续创造最大价值”的企业使命，和“构建驱动百亿台智能设备的物联网生态系统”的宏伟愿景，以自主研发的人工智能计算框架旷视brain 和人工智能数据管理平台旷视 data 为核心，把感知、控制、优化能力赋能给 iot 设备，实现物理世界与数字世界的智能物联，并持续打造在城市大脑、供应链大脑、个人设备大脑三大场景的数字化nhà cái k8的解决方案：
在城市大脑场景，旷视城市管理nhà cái k8的解决方案已在全国 260 余个城市落地运行，辅助公安机关破获各类案件逾 10000 起，已智能升级改造 3000 余个楼宇园区，实现人车通行智能化；
在供应链大脑场景，旷视自主设计、生产的智能机器人已部署上线超过 5000 台，并于2018 年底发布了业界首个机器人协同操作系统旷视河图，在位于天津的“未来一号”仓，旷视与nhà cái k8的合作伙伴实现了 500 台机器人高效协同作业，双 11 当天拆零出仓 8 万多箱，刷新了单仓机器人集群作业行业记录；
在个人设备大脑场景，旷视智能终端nhà cái k8的解决方案已覆盖 70% 以上的安卓手机市场，旷视开发的刷脸解锁、刷脸支付、3d 建模、ai 人像光效、超画质等创新应用和方案正在让 3 亿多台手机变得更聪明。
学术交流，思想的“华尔兹”
workshop：弱监督视觉理解
4 月 11 日，在大会正式召开之前，workshop 已如火如荼地举行。作为 valse 2019 的开场大戏，旷视南京研究院院长魏秀参博士受邀参加首场 workshop——“弱监督视觉理解”，并做特邀报告和参加 panel 环节。另外，4 月 12 日上午，魏秀参博士还作为主席组织了另一场题为“细粒度视觉分析”的专场 workshop，邀请了多位高校和业界该领域专家为 valse 参会者带来了一场视觉技术盛宴，备受参会者关注。
魏博士的报告题目为：weakly-supervised object discovery based on pre-trained deep cnns（基于预训练深度卷积网络的弱监督物体发现）。随着深度学习的推广，越来越多的预训练分类网络被开源从而作为一种“免费”资源使用。具体而言，旷视南京研究团队把这一“免费”资源用于弱监督条件下的物体感知，诸如细粒度图像检索、无监督物体定位以及物体协同定位等任务，同时均取得了更明显的性能增益。
其中两个重点方法为 scda 方法与 ddt 方法。scda 方法利用预训练的 cnn 分类模型可无监督式定位细粒度图像中的主要物体，由此有效筛选深度卷积描述子，排除背景和噪声区域的干扰，大幅提高检索性能；ddt 方法更进一步，在弱监督条件下同样使用“免费”资源，不同点在于它可有效利用共同物体在多张图像中的信息进行协同定位，同时准确监测并去除噪声图像。
在权威数据集上的定量和定性实验均可验证两方法各自的有效性和较强的泛化能力，一方面显示出预训练分类模型在模型重用方面的巨大潜力；另一方面对于揭示深度模型中的洞见以及理解深度模型带来了有意义的思考。
workshop：深度学习模型设计
4 月 12日，旷视研究院模型组负责人张祥雨博士在 workshop——“深度学习模型设计”上进行了题为“高效轻量级深度模型的研究与实践”的精彩报告，并做 panel 分享。
报告围绕轻量级架构、模型搜索、模型裁剪三个子主题，展示了旷视研究院在深度学习“新焦点”技术 automl 方面的新突破。具体而言，张祥雨博士介绍了旷视研究院近两年来在 shufflenet v1/ v2 两代轻量级网络设计方面进行的思考与遭遇的挑战；还介绍了旷视研究院今年在自动机器学习（automl）领域提出的单路径 one-shot 模型，以及在模型搜索过程中用到的原创模型裁剪技术。
通过对比模型的手工设计（以 shufflenet 系列为例）与目前模型自动搜索（以 one-shot 模型为例）这两种模型设计范式，张祥雨博士认为，虽然模型搜索在模型结构的排列组合、结构的超参数调优方面，相对人工设计有明显优势，但是搜索空间设计的好坏依然很大程度上依赖人工经验。不过相关工作正在进行当中，同时旷视研究院也已在 automl 方面取得了可圈可点的成果。
旷视研究院“喜提”valse年度杰出学生论文奖
4 月13 日，迎来了 valse 2019 的正式开幕式。经过多轮激烈答辩，旷视研究院明星论文 从海选论文中脱颖而出，一举斩获 “valse 2018 年度杰出学生论文奖”。正如颁奖致辞所讲，shufflenet v2 在旷视研究院另一篇明星论文 shufflenet v1 的基础上，“青出于蓝而胜于蓝”，超越当前 sota 结果，实现了速度与精度的双重突破，同时有着理论与产业的双料影响力。
此前，旷视研究院 shufflenet v2 为全球计算机视觉顶会 eccv 2018 所收录，目前论文引用量超过同期同类论文；旷视研究院 shufflenet v2 论文技术及一套轻量高效模型方法论的提出，有迁移通用能力的同时，还兼具理论实践意义和学术借鉴意义。
这次的颁奖，是对 shufflenet v2 的一次实锤肯定，而 shufflenet v2 的出现，离不开旷视研究院一套科学完备的产学研体系以及旷视原创自研的人工智能计算框架 brain 和旷视 brain automl 技术。
重视基础研究，拥抱技术信仰
视觉与学习青年学者研讨会（valse）旨在为计算机视觉、图像处理、模式识别与机器学习研究领域内的中国青年学者提供一个深层次学术交流的舞台。9 年间，优秀的计算机视觉学术界/产业界青年学者在 valse 展现了自己的学术“华尔兹”，valse 正逐步成为中国最具影响力的计算机视觉顶会。
valse 连续举办，valse 参会人数屡创新高，这一定程度上反映了全国乃至全球计算机视觉技术的方兴未艾之势，也是对中国把人工智能发展作为国家战略提出的积极响应，而旷视作为人工智能技术领先企业，已经作为铂金赞助商连续三年参加 valse 会议，正是为推动学术界与产业界良性交流，形成技术与行业双轮驱动，发挥人工智能“头雁”优势，助力中国数字化升级贡献着一份应有的力量。
