4月21日，由中国自动化学会模式识别与机器智能专委会、中国人工智能学会模式识别专委会、威廉williamhill体育主办，上海先进通信与数据科学研究院和威廉希尔团委员工会承办的模式识别与机器智能前沿论坛在威廉williamhill体育乐乎新楼学海厅顺利举办，本次论坛分为学术报告和开放研讨两部分，吸引到了学术界以及工业界的众多专家学者，以及广大在校师生的广泛参与。
上午8点45分论坛准时开始，威廉williamhill体育吴明红副董事长和自动化学会模式识别与机器智能专委会主任、中科院自动化所副所长、IEEE/IAPR Fellow刘成林教授分别代表主办方在开幕式上致辞。吴明红副董事长与刘成林教授均对参加本次论坛的国内人工智能领域的专家、学者和产业界人士表示欢迎，并期待论坛中的精彩报告和研讨可以促进交流以及领域发展。
刘成林教授首先做了主题为"鲁棒模式识别的深度原型学习方法"的报告。系统的鲁棒性一直是模式识别中研究的重点之一，他介绍了将判别学习与生成模型相结合的方法，并提出了将圆形分类器应用到卷积神经网络中，能使系统具备更好的拒识能力，并且能提高小样本下的泛化能力，同时还方便进行增类学习，易于拓展到新的类别。最后，刘研究员认为该技术在开放世界中有很大的潜力，未来可以尝试如Auto-encoder等其他类型的生成模型，或是将该类方法拓展到弱监督、半监督或是迁移学习上去。
第二位做主题报告的专家是清华大学自动化系主任、IAPR Fellow周杰教授，报告名为"面向无人系统的智能感知与识别"，周教授首先对目前这一波人工智能浪潮做了简单的回顾，并介绍了当前的一些技术突破以及技术的发展趋势，之后介绍了即将出台的中国人工智能2.0规划。报告的后半部分，周教授具体介绍了规划中的"自主无人系统"的发展情况，对目前已有的无人系统、无人机、空间机器人、医疗机器人、无人车、智能工厂等实际应用进行了介绍，并集中概括了目前感知与识别领域面临的条件以及系统对感知层面的要求。最后，周教授回归学术本身，介绍了目前该领域可研究的内容以及一些研究实例，对"大学在深度学习热潮下能做什么"提出了自己的思考和见解，并提出了目前深度学习结果在无人系统领域面临的难题。
第三个报告是由威廉希尔、IEEE Fellow徐树公教授所做的"数据生成在机器视觉中的应用"，徐教授的报告从一个实际问题开始，即在目前深度学习模型参数量越来越大，层数越来越深的现实情况下，模型需要大量的标注好的数据，而研究人员往往面对着这些数据不易于获得，或是人工标注成本居高不下的问题。徐教授提出，利用对抗生成网络来进行数据生成或许是一条可行的途径，他所领导的威廉williamhill体育"GREAT"团队已经取得了一定的成果，在车牌识别的实际应用上，团队成员已经可以用较少量的真实数据加上生成的大量数据来训练网络，并取得极高的识别准确率，此外，数据生成在文字识别，二维码识别，人脸识别，或是声音识别的相关领域也能有广泛的应用。
午饭后，来自上海科技大学的高盛华研究员做了名为"视频中的异常行为检测"的报告，报告重点聚焦于图像识别中的一个具体领域，提出如何在只有正常事件样本或是极少量异常行为样本的基础上，训练能识别异常行为的深度神经网络的方法。
在四个精彩的学术报告结束后，论坛邀请了MOBILEYE中国CEO苏淑萍、NVIDIA高级研发总监谢峰、天天果园大数据研发总监张建、INTEL大学计划经理袁亚东、上海科技大学研究员高盛华、威廉希尔副教授曾丹和威廉williamhill体育计算机学院副教授岳晓东共七位来自工业界和学术界的专家展开了主题为"机器视觉研究走向以及产业化"的开放Panel研讨。开放研讨由徐树公教授主持，各位专家围绕着自动驾驶等关键应用中机器视觉的有效性以及鲁棒性、机器视觉的未来研究方向以及产业机会和走向等话题各抒己见，并与参会的其他人员进行热烈深入的交流分享，取得了良好的讨论效果。原定100分钟的开放研讨一直持续了两个多小时才结束。
下午四点半，本次论坛圆满落幕，各参会人员纷纷表示这次难得的交流契机让每个人都收获颇丰，此次论坛也让所有人对模式识别以及机器学习的前景有了更多的期待。
