English中文
将人工智能用起来
2019年6月18-21日
北京,中国
陈玉荣

陈玉荣
英特尔首席研究员、英特尔中国研究院认知计算实验室主任, Intel

Yurong Chen is a principle research scientist and senior research director at Intel and the director of the Cognitive Computing Lab at Intel Labs China, where he’s responsible for driving cutting-edge visual cognition and machine learning research for Intel smart computing. He’s also the co-owner of Intel Labs visual understanding and synthesis program, driving research innovation in smart visual data processing technologies on Intel platforms across Intel Labs. He led the research and development of deep learning-based visual understanding (VU) and leading face analysis technologies to impact Intel architectures/platforms and delivered core technologies to help differentiate Intel products including Intel RealSense SDK, CV SDK, IOT video E2E analytics solutions, and client apps. He led the team to win the Intel China Award (top team award of Intel China) 2016, Intel Labs Academic Awards (top award of Intel labs), and the Gordy Award 2016, 2015, and 2014 for outstanding research achievements on DL-based VU, multimodal emotion recognition and advanced visual analytics. He’s published over 50 technical papers and holds 10+ issued/pending US/PCT patents and 30+ patent applications. He holds a PhD from Tsinghua University, which he followed with postdoctoral research at the Institute of Software, CAS.

Yurong Chen博士是英特尔公司的首席研究科学家和高级研究总监,以及英特尔中国研究院认知计算实验室主任。目前,他负责推进英特尔智能计算的前沿视觉认知(视觉分析和理解)和机器学习研究。他还是英特尔研究院“视觉理解与合成”项目的共同负责人,主导和推动基于英特尔平台的智能视觉数据处理的技术创新。他领导和推动了基于深度学习的视觉理解以及领先人脸分析技术的研究和开发,以此影响英特尔架构/平台设计,并为英特尔实感技术,计算机视觉软件开发包,移动终端应用和物联网端对端视频分析解决方案提供关键技术(人脸检测识别,物体检测,表情识别,深度模型压缩等)。由于在先进视觉分析、多模态情感识别、及基于深度学习的视觉理解方面取得卓越研究成就,他的团队获得了2016年英特尔中国区最高团队奖——英特尔中国荣誉奖,并连续获得了英特尔研究院2014、2015和2016年度全球最高学术奖-戈登•摩尔奖。Chen博士在中国科学院软件研究所完成博士后研究后,于2004年加入英特尔。他于2002年获得清华大学博士学位。他至今已发表顶级学术论文50余篇,拥有10余项美国/国际专利及30多项专利申请。

Sessions

13:1013:50 Friday, June 21, 2019
模型与方法 (Models and Methods)
Location: 多功能厅6A+B (Function Room 6A+B)
陈玉荣 (Intel)
深度学习在许多领域尤其是视觉识别/理解方面取得了巨大突破,但它在训练和部署方面都存在一些挑战。本讲座将介绍我们通过高效CNN算法设计、领先DNN模型压缩技术和创新部署时DNN网络结构优化来解决深度学习部署挑战的前沿研究成果。 了解更多信息.