深度視覺算法的可信魯棒學(xué)習(xí)——胡斌博士作通識教育講座
發(fā)布時(shí)間: 2025-04-17 16:32:38 瀏覽量:
2025年4月15日下午2點(diǎn)，在金盆嶺校區(qū)六教305室舉行了一場題為《深度視覺算法的可信魯棒學(xué)習(xí)》的通識講座，由計(jì)算機(jī)學(xué)院胡斌博士主講。講座圍繞深度學(xué)習(xí)在視覺領(lǐng)域中的應(yīng)用與挑戰(zhàn)，深入探討了深度視覺算法的基本原理、發(fā)展演進(jìn)以及當(dāng)前面臨的可信性與魯棒性難題，引導(dǎo)大家走近該領(lǐng)域的研究前沿與探索路徑。
講座首先從“揭神秘面紗”的角度切入，生動介紹了人工智能與深度學(xué)習(xí)之間的關(guān)系，并系統(tǒng)回顧了深度學(xué)習(xí)從感知模型到多層神經(jīng)網(wǎng)絡(luò)的發(fā)展脈絡(luò)。他特別指出，以卷積神經(jīng)網(wǎng)絡(luò)（CNN）為代表的深度學(xué)習(xí)模型，通過端到端的訓(xùn)練方式，能夠自動從原始圖像中學(xué)習(xí)與任務(wù)相關(guān)的有效特征，已在圖像分類、語義分割、目標(biāo)檢測等任務(wù)中取得了突破性成果。講座中通過AlexNet、ResNet、Faster R-CNN等經(jīng)典模型的演進(jìn)示例，讓同學(xué)們深入理解了“深度”的內(nèi)涵和算法設(shè)計(jì)背后的邏輯。
在講解視覺算法應(yīng)用的同時(shí)，胡斌博士著重指出，盡管當(dāng)前深度學(xué)習(xí)模型在感知類任務(wù)中取得了令人矚目的成績，但仍存在諸多值得關(guān)注的問題，尤其是模型在實(shí)際場景下的“可信性”與“魯棒性”問題日益突出。其通過圖像分類中的對抗樣本現(xiàn)象向大家展示了深度模型在面對微小擾動時(shí)預(yù)測結(jié)果劇烈變化的脆弱性，并引出了對抗攻擊、模型不可解釋性、泛化能力不足等深層挑戰(zhàn)。
圍繞“魯棒性差”“對數(shù)據(jù)依賴強(qiáng)”“對未知場景適應(yīng)性弱”等核心問題，胡斌博士介紹了當(dāng)前研究中的若干前沿技術(shù)路徑，包括貝葉斯深度學(xué)習(xí)、自監(jiān)督學(xué)習(xí)、小樣本學(xué)習(xí)、多模態(tài)建模與基礎(chǔ)模型等。他特別介紹了近年來備受關(guān)注的Vision Transformer、Diffusion Models和CLIP模型，分析了它們在提高視覺模型泛化能力、減少對標(biāo)簽數(shù)據(jù)依賴、應(yīng)對復(fù)雜任務(wù)需求方面的作用與優(yōu)勢。
在“探未解之謎”部分，胡斌博士指出，可信魯棒學(xué)習(xí)的研究不僅是算法設(shè)計(jì)的問題，更涉及對模型安全性、解釋性的深入理解與系統(tǒng)性評估。他鼓勵同學(xué)們從“黑盒模型”的內(nèi)部機(jī)制入手，關(guān)注模型為何容易受到攻擊、為何對輸入微小變化敏感，并嘗試從訓(xùn)練策略、結(jié)構(gòu)創(chuàng)新、跨層機(jī)制等維度提升模型的穩(wěn)健性與可信性。
講座最后，胡斌博士與同學(xué)們進(jìn)行了積極的互動交流，耐心解答了大家在深度學(xué)習(xí)應(yīng)用、科研選題與理論前沿方面的疑問。與會學(xué)生紛紛表示，本次講座不僅加深了他們對深度學(xué)習(xí)基本理論和主流模型的理解，也激發(fā)了對人工智能可信魯棒性方向的濃厚興趣。講座內(nèi)容扎實(shí)、深入淺出，不僅為大家厘清了深度視覺算法的研究脈絡(luò)，也為未來相關(guān)方向的學(xué)術(shù)探索提供了寶貴啟發(fā)。
（圖/胡斌 文/胡斌 一審/金帥 二審/張建明 三審/張錦）