2022年模式识别高峰论坛学习与个人感悟

0 前面的话

看了报告的具体分析内容与分主题,也不知道和自己研究方向有什么联系, 从字面上看,大概是无关吧.
但不知道为什么, 内心深处还是想看,想听这些专家们的分享, 即使可能也听不懂, 即使可能也什么也学不到, 即使对自己研究方向没有任何帮助.
但是, 笔者就想看看, 看看模式识别领域发展到什么地步了, 有了哪些进展, 哪些成就. 打开自己视野, 听听别人的想法, 听听别人思考问题站立的角度, 如何提出问题, 如何解决问题. 如何设计自己的模型, 如何站在更高层次上看待问题. 同时, 学习别人的画图技巧,如何把自己建模领域问题清晰\简单的呈现给听众. 因为敢于分享的东西, 肯定已经分享了很多次, 也经历了很多次的打磨, 笔者相信, 或多或少都会有一些意外收获吧, 哪怕对目前而言没有其他收获.

１背景介绍

模式识别高峰论坛是由中国自动化学会，中国人工智能学会，中国图象图形学学会联合组办的，迄今为止，已经举办了两届。２０２２年是第二届。地址：https://www.bilibili.com/video/BV1CY4y1i7Pq?spm_id_from=333.851.b_7265636f6d6d656e64.2

２会议议程

上午５个报告，下午也是五个报告。可以看到，基本上都是大牛, 不是院士就是杰青。

３上午报告

３.１智能自主作业机器人感知与控制技术及发展趋势－王耀南院士

智能自主作业机器人感知与控制技术及发展趋势－王耀南院士
盛名之下无虚士，下面看看简单介绍：

！！！！！！！！！！！！王老师太强了！！！！！！！！！！！！

一句话总结: 模式识别技术应用到机器人感知领域

智能机器人感知其实感觉还是比较难的. 大部分使用摄像头来获取信息,

太强大了, 直接模拟动物, 如老鹰抓鱼

看到这里,突然觉得自主作业机器人特别有趣

主动作业机器人, 更加精准

是一个非常复杂的系统

NSC3大期刊上面有很多自主作业机器人工作

在这里插入图片描述

1 机器人仿生灵巧机构

这个确实也比较难, 如何设计很考虑建模能力.

通过仿真模拟 ,建模实现

模拟动物

分解形成模块, 然后可以进行重构, 可重用

2 机器人环境自主感知与理解

模式识别技术应用

看到这里, 笔者认为加设备 + 改进算法就可以了吧
加设备: 各种摄像头, 红外线等等

人的眼睛, 人的耳朵
如何形成3维地图

3 机器人自主学习与控制

现在处于第3代机器人

提问:
1 应用到模式识别技术, 在应用中遇到的不足之处有哪些,
目标检测, 理解 , 把软件结合起来 ,认知比较难, 机器人阅读说明书, 机器能够阅读和理解. 更强的理解能力.

３.２　动态视觉与ＳＬＡＭ：在线学习的途径－查红彬教授

动态视觉与ＳＬＡＭ：在线学习的途径－北大查红彬教授
盛名之下无虚士，下面看看简单介绍：

动态视觉问题, 如摄像机运动, 传感器移动

什么叫SLAM
如何去定位和映射传感器

人体本身大脑就是SLAM系统

充分利用多视图几何计算技术
利用传感器的信息融合

挑战:
缺乏系统性理论, 不能很好的时序数据进行建模

1把数据相关性运用好,flow
2 利用全局性的知识,
3 环境本身的变化, 机器人一个房间到一个房间, 在线知识能力
4 利用好以前的知识 ,地图的表述和利用,几何形象 ,可靠性如何运用

利用好线流

融合空间和时间注意力机制

增加了记忆模块
增加了修正模块,可以把它看着后台处理

利用元学习和自监督来增加 Domain Shift
利用好返回信息

总的场景定义为一个概率场, 里面的物体的求他存在的概率

最大的挑战是,概率场是离散空间, 如何把收集到的离散数据来表示连续 (通过线流)

构造在线的预测器
构造有效的地图

提问:
1 loss 方程的设计比较复杂, 空间或者时间, 主要复杂度是不是在优化问题上?
是优化问题, 在线的自监督学习 ,loss 方程如何设计.视觉有前后关联的, 每个视图点有先后顺序,
不仅把二维和3维, 前后, 跳跃关系用好.

连续性有很大的场景, 为什么要建立全局性的约束条件 , 小变化, 大的结构不分发生太大变化 ,就比较稳定, 地图里面有很多不变的东西, 把不变的东西用好就能解决问题.

３.３智能教育的自适应学习技术现状与展望－陈恩红教授

智能教育的自适应学习技术现状与展望－中科大陈恩红教授
盛名之下无虚士，下面看看简单介绍：

将就做了10年的领域

３.４超声图像ＡＩ处理及云平台－李肯立教授

超声图像ＡＩ处理及云平台－李肯立教授
盛名之下无虚士，下面看看简单介绍：

３.５机器人交互过程中的动作意图理解－陈胜勇教授

机器人交互过程中的动作意图理解－陈胜勇教授
盛名之下无虚士，下面看看简单介绍：

４下午报告

４.１笔迹鉴别与书写者识别：基于深度学习和领域知识驱动的新方法－金连文教授

笔迹鉴别与书写者识别：基于深度学习和领域知识驱动的新方法－华南理工大学金连文教授
盛名之下无虚士，下面看看简单介绍：

４.２复杂海况五人艇虚实迁移学习方法－上海大学谢少荣教授

复杂海况五人艇虚实迁移学习方法－谢少荣教授
盛名之下无虚士，下面看看简单介绍：

４.３端云协同下分布式模型学习与进化－吴飞教授

端云协同下分布式模型学习与进化－吴飞教授
盛名之下无虚士，下面看看简单介绍：

４.４视觉感知：从２Ｄ图像到３Ｄ点云－杨健教授

视觉感知：从２Ｄ图像到３Ｄ点云－杨健教授
盛名之下无虚士，下面看看简单介绍：

４.５多媒体确证和深度学习－黄继武教授

多媒体确证和深度学习－黄继武教授
盛名之下无虚士，下面看看简单介绍：

5 总结