1月3日下午，应校基础部的邀请，中国科学院胡晰远老师和陈晨老师来我校分别作了题为“生成对抗网络及其应用”和“基于深度学习的行人重识别”的报告。

报告中，胡晰远老师首先介绍了深度学习。他指出机器学习的分类为符号主义（决策树），统计学习（SVM，核方法）和连接主义（神经网络）。其次，胡老师介绍了生成对抗网络（GAN，由Goodfellow于2015年提出）。经典生成对抗网络模型存在梯度不稳定和模型坍塌等问题，为解决此问题，胡老师介绍了经典生成对抗网络的改进-Wasserstein GAN。胡老师还介绍了生成对抗网络在图像任务的应用，例如：图像翻译的应用-图像超分，跨域图像翻译（变换）--Cycle GAN, Disco GAN,非配对图像翻译的应用--NIR-to-RGB等。

胡晰远老师作报告

陈晨老师首先介绍了行人重识别问题。指出行人重识别可以应用于刑事侦查，轨迹跟踪，商场客流分析和医院病患监护等。行人重识别流程包括特征提取，距离度量和排序。然后，陈老师介绍了基于深度学习的行人重识别方法，包括：基于特征学习和度量学习的方法，基于行人局部特征的方法，基于GAN的数据增强方法和基于视频序列的方法。最后，陈老师介绍了未来的研究展望，指出研究可以利用更好地无监督或弱监督学习方法，更强大的域迁移或适应能力和更好地视频序列特征提取或融合方法。

陈晨老师作报告

胡老师和陈老师的报告引起了在座教师浓厚的兴趣，报告结束后，他们和在座教师进行了交流，耐心回答了教师们的问题。

这次学术报告开阔了广大教师和学生的视野，使大家对深度学习有了进一步深刻的了解。