
在AICon北京2018大会上,王涛讲师做了《大规模机器学习在视频分析理解中的实践》主题演讲,主要内容如下。
演讲简介:
随着深度学习识别性能的不断提高,语音识别、视频理解、精准推荐、智能创作等技术广泛应用,互联网视频应用高速发展,不但提高了生产运营效率也为用户带来丰富多彩更加有趣的内容。本次演讲将介绍爱奇艺在计算机视觉领域的技术进展和落地应用,谈谈在落地过程中遇到的挑战、问题和解决方案,并展望计算机视觉技术发展趋势和未来应用。
演讲提纲:
互联网视频发展现状
AI 在创作、生产、标注、分发、播放、变现的具体应用案例
视频 AI 分析理解主要算法
如何应用大规模机器学习在视频分析理解的经验和教训
计算机视觉技术未来发展趋势
听众受益:
了解互联网视频行业发展背景和需求
熟悉视频 AI 分析理解的主要方法和问题
了解应用大规模深度学习的方法和经验
讲师介绍:
王涛
爱奇艺 资深科学家
王涛博士,爱奇艺公司资深科学家,中国计算机学会(CCF)理事,杰出会员,计算机视觉专委会副主任,YOCSEF 荣誉委员,全国信标委计算机视觉标准组副组长。2003 年博士毕业于清华大学计算机系后,加入英特尔中国研究院,任高级研究员。2014 年加入爱奇艺公司,主要从事多媒体智能分析,计算机视觉、模式识别、虚拟现实、数据挖掘、AI 视频云等相关技术的研究,领导并参与了爱奇艺随视购、视频拆条、视频审核、以图搜剧、对白搜索、场景看点、音频水印、VR 渲染直播等项目。在 IJCV、CVPR、ACM MMSJ、ACM Multimedia 等国际期刊和会议上发表论文六十余篇,申请三十多项专利,翻译《软件优化技术》著作一本。










完整演讲 PPT 下载链接:
https://aicon.infoq.cn/2018/beijing/#schedule
评论