中山大学计算机博士_2020年中山大学优秀博士硕士学位论文 | 计算机学院 王广润：视觉表征的高效学习：深度神经网络的持续演进...

编者按

为提高博士生和硕士生培养质量，加快培养拔尖创新人才，推动研究生教育的内涵式发展，中山大学自2019年开展优秀博士硕士研究生学位论文评选，2020年共评选出优秀博士学位论文37篇，优秀硕士学位论文83篇。

王广润和导师林倞教授的合影，左为林倞教授，右为王广润

作者介绍

计算机学院，博士研究生王广润。硕博连读期间在人机物智能融合实验室学习，师从林倞教授。研究兴趣为人工智能，目前主要深入研究自动化机器学习(AutoML)、无监督学习和可信任人工智能。在国际顶级期刊和会议如TPAMI,   TNNLS，CVPR, NeurIPS, KDD, ICCV, AAAI, CIKM, ECCV,   Pattern Recognition发表近20篇论文，获得1000多次引用。担任许多国际顶级期刊和会议的审稿人、程序委员会委员和高级程序委员会委员，如中科院一区期刊T-PAMI, ISPRS,TIP, Information Fusion等和CCF   A类国际会议ICLR, NeurIPS, ACL, ICCV, CVPR, AAAI, IJCAI等。课程平均成绩是95分, 在专业排名第1。获得2018年国际著名期刊Pattern Recogntion年度最佳论文奖。被评为广东省优秀学生。获2015年中国高性能计算创新协同中心研究生项目资助(仅9名硕士)。获得多块全球奖牌，例如全球数据挖掘大赛金牌、银牌、铜牌，FashionAI全球挑战赛初赛第1、决赛第2(2000多支参赛队伍)。连续多个月在PASCAL VOC segmentation占据全球榜首。两度获得国家奖学金。拥有两篇ESI高被引用论文。拥有7项发明专利。曾任党支部书记。本科拥有工学学士、管理学学士双学位。

论文简介

博士学位论文：《视觉表征的高效学习：深度神经网络的持续演进》 指导教师：林倞教授

过去近十年，得益于深度学习框架的发展，人工智能取得了重大的进展。然而，深度学习框架的设计，充满了挑战和困难。首先，现有的深度框架一经设计，便静态不变，这与人类认知不同。人类对事物的认知，是动态随外界自适应变化的。其次，随着工业界和学术界的需求增长，越来越多的任务依赖深度框架，尤其是近年备受关注的弱标注大数据任务。如何针对弱标注任务，利用现有经验科学知识，设计高效的深度框架，成为近十年深度学习领域的重要研究课题。再者，现有的深度框架，缺乏符合人类认知的语法规则表达学习，属于数据驱动的黑箱机器学习模型，因而始终不能得到人类的完全信任。这制约了人工智能的进一步发展。最后，由人类设计网络框架始终是一件费时费力的事情。利用机器替代人类，自动搜索深度学习框架，成为近三年以来的新的研究热点。不幸的是，目前的自动化深度学习，也如同黎明前的深度学习一样，效率低下 。

鉴于上述问题，本文以视觉表征学习为主线，取得如下创新性成果：1.围绕现有深度网络的静态性问题，提出了一种自适应动态网络。2.紧密围绕不同的任务，利用先验知识，设计高性能深度框架。针对困难而有长远意义的弱监督学习展开研究。3.围绕现有网络缺乏符合人类认知的语法规则学习表达问题，结合图像语法建模，提出树卷积框架。亦讨论了深度框架的脆弱性。4.开展了鲁棒的自动化网络研究。亦讨论了一种神经框架迁移技术。

导师评语

王广润的博士论文围绕着人工智能的核心难题——视觉表征学习展开，提出了若干具有重要学术创新意义的成果。其中最具有代表性的工作是融合语法规则的树形神经网络模型以及自动化神经网络结构搜索，所提出的方法/模型在图像识别、相似目标匹配等大型评测基准中充分体现了其有效性和先进性。所发表的论文已经受到国内外学者的广泛关注和正面评价，被引用1000余次，作为刚毕业博士生，是十分难得的。

王广润博士论文中所包含的成果都是基本独立或者主导完成的。他目前已收到来自美国斯坦福大学、英国牛津大学等顶尖名校的博士后工作邀请。我认为他已经具备了独立从事科研的能力，在学术科研方面有巨大的发展潜力。

---

排版、初审：韩昕娜

审核：刘鹏图

审定发布：陈曾平