PRCV 2020顶会盛宴，澎思科技展现迁移学习应用成果

（原标题：PRCV 2020顶会盛宴，澎思科技展现迁移学习应用成果）

10月16日至18日，由中国自动化学会（CAA）、中国图象图形学学会（CSIG）、中国人工智能学会（CAAI）和中国计算机学会（CCF）联合主办的第三届中国模式识别与计算机视觉大会PRCV 2020在六朝古都南京举办。作为PRCV2020特邀企业之一，澎思科技在会上阐释了深度迁移学习对于实现AI快速落地的丰富前景，以及通用人工智能作为下一代AI发展的趋势。

中国模式识别与计算机视觉大会是由中国模式识别学术会议（CCPR）和中国计算机视觉大会（CCCV）合并而来，定位国内顶级的模式识别和计算机视觉领域学术盛会。

继去年展示了澎思科技在视觉AIoT方面的布局与研究成果以后，在本届PRCV2020学术论坛上，洪堡大学博士、澎思科技首席算法研究员罗伯特（Robert  Lorenz）发表《澎思科技：发力迁移学习，致力打造通用人工智能》的主题演讲，向与会嘉宾学者分享澎思科技对通用人工智能的思考，以及基于迁移学习的视觉智能算法应用。

罗伯特表示，通用智能是下一代AI发展的必然趋势，代表智能革命的未来；迁移学习是迈向通用人工智能的必由之路。他重点介绍了澎思在人工智能研发领域的重要技术成果—澎思迁移学习平台。该平台专注在源任务上训练出表现良好的预训练模型，再通过迁移学习中的无监督/自监督学习、小样本学习、GAN、多任务学习、跨域学习等算法进行模型优化，以实现AI性能的自动提升。

迁移学习作为模式识别与计算机视觉技术的重要分支，在澎思各项业务中有着广泛的创新性研究和应用。例如，在行人再识别ReID方面，澎思科技创新性地将对抗生成网络与自监督学习算法结合进行模型的训练，通过迁移学习，进行高准确率的跨场景（数据库）行人再识别算法的研发，刷新跨域行人再识别（ReID）Market1501，DukeMTMC-reID，MSMT17数据集世界纪录。

在6月举办的CVPR 2020 CD-FSL 挑战赛中，澎思科技提出了“MetaTransfer-Learning/ Meta Fine-Tuning”算法模型和图卷积GNN/GraphNeuralNetwork，将其组合为算法基础框架，让它在农作物的疾病、卫星图像和皮肤病变，以及胸部X光4个不同的域上实现良好的性能表现，并借此在挑战赛中斩获优异成绩。

今年以来，澎思不断在迁移学习、无监督/自监督学习、小样本学习、多模态学习研究上加大研发投入，并已在产业应用中发挥良好效果，形成生产力转化，为澎思AIoT生态体系的建设提供强有力的技术支持。作为一家国际前沿AIoT生态平台公司，澎思科技将坚持走在AI算法研究的国际前列，并积极推进AI技术在实际应用中的落地，关注不断出现的新场景、新需求，让AI服务社会生活的方方面面，驱动尖端AI技术向普惠性的智能服务持续进化。