本期为TechBeat人工智能社区第408期线上Talk。北京时间5月26日(周四)20:00，新加坡国立大学的在读博士生——周大权的Talk将准时在TechBeat人工智能社区开播！

他与大家分享的主题是: “如何把深度学习网络应用到现实生活场景中”，届时将分享其最近的工作，传统卷积神经网络在上述场景下精度会受到严重损失，为此他们提出了一个全新的深度神经网络架构。

Talk·信息

主题：如何把深度学习网络应用到现实生活场景中

嘉宾：新加坡国立大学在读博士生 周大权

时间：北京时间 5月26日 (周四) 20:00

地点：TechBeat人工智能社区

http://www.techbeat.net/

完整版怎么看？

扫描下方二维码，或复制链接https://datayi.cn/w/nomelx7o至浏览器，一键完成预约！上线后会在第一时间收到通知哦

Talk·介绍

现实生活场景中的信息往往不同于科研公开数据集提供的信息。在计算机视觉领域，科研训练中使用的图像往往是处理过的，高度清洁的图像。然而在现实生活中，用户能够获取的图像数据往往是带有不同程度的噪声的。比如由于手抖造成的图像失焦， 由于相机质量问题造成的图像噪点，由于环境问题造成的光线不均匀，由于传输造成的图像压缩等。目前在科研领域高性能网络在现实场景中是否依然受用？我们最近的工作表示，传统卷积神经网络在上述场景下精度会受到严重损失，为此我们提出了一个全新的深度神经网络架构。

具体分享提纲如下：

1. 现实生活中的图像损失场景介绍

2. Benchmark 现有神经网络针对有损图像的性能表现

3. 如何训练在现实场景中，依然好用的神经网络

Talk·预习资料

1. 论文地址：arxiv.org/abs/2204.12451

2. 代码地址：https://github.com/NVlabs/FAN

Talk·提问交流

通过以下两种方式提问都将获得微信现金红包奖励哦！

方式 ①

在Talk界面下的【交流区】参与互动！留下你的打call🤟和问题🙋，和更多小伙伴们共同讨论，被讲者直接翻牌解答！

你的每一次贡献，我们都会给予你相应的i豆积分，还会有惊喜奖励哦！

方式 ②

在本文留言区直接提出你的问题，或扫描下方二维码提问！

Talk·嘉宾介绍

周大权，新加坡国立大学数据科学深度学习方向在读博士生，师从冯佳时教授。研究方向是深度学习神经网络的架构设计，压缩优化与自动搜索。他在ICLR，ICML，ECCV，ICCV，CVPR，NeruIPS等计算机视觉与机器学习顶会发表多篇论文。他曾在新加坡国防科技研究员国家实验室参与设计新加坡第一个商业人造卫星的研发，主要从事人造卫星数据处理系统设计工作。

关于TechBeat人工智能社区

TechBeat (www.techbeat.net) 是一个荟聚全球华人AI精英的成长社区。 我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。 期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！

更多详细介绍>>https://mp.weixin.qq.com/s/pTbCK_MeTk05jK2yx1RTrQ