-
林元慶
(Aibee創始人兼CEO)
鎖定
林元慶,Aibee創始人兼CEO,曾任百度研究院院長,百度深度學習實驗室(IDL)主任,擁有清華大學光學工程碩士學位和賓夕法尼亞大學電氣工程博士學位。在加入百度前,曾任NEC美國實驗室媒體分析部門主管。
林元慶在機器學習和計算機視覺等研究領域擁有多年的研究經驗和顯著的成果。在頂級國際會議和期刊發表論文30餘篇,擁有11項美國專利,曾擔任NIPS大會領域主席、大規模視覺識別和檢索國際研討會聯合主席等。
[1-2]
在百度期間,林元慶致力於搭建算法、數據、應用的閉環,帶領團隊研發極致人工智能技術。其領導的團隊在多個領域實現了技術上重大進展並且應用到百度的多項產品中去,極大地提升了產品的性能以及用户的體驗。其帶領的團隊在多項重要計算機視覺技術在國際測試集上取得世界第一名的好成績。
2017年,林元慶創立行業AI解決方案公司Aibee。
[3]
- 中文名
- 林元慶
- 國 籍
- 中國
- 畢業院校
-
清華大學
賓夕法尼亞大學 - 主要成就
- 2017年創立行業AI解決方案公司Aibe
林元慶人物經歷
林元慶擁有清華大學光學工程碩士學位,並於2008年獲得賓夕法尼亞大學電子工程博士學位。在賓夕法尼亞大學讀博士期間,主攻機器學習方向,其間創造性的提出了基於L1-norm的貝葉斯稀疏學習(Bayesian Sparse Learning),並在其理論和應用上進行了深入的探索,在攻讀博士期間在頂級國際會議和期刊共發表了12篇論文。在2007年,論文被NIPS大會接收做大會報告(oral)。
2008年加入NEC美國實驗室,主攻研究機器學習在計算機視覺領域的應用。2010年,林元慶帶領NEC-UIUC團隊在第一屆的ImageNet大規模視覺識別挑戰賽上獲得第一名。
2012年,林元慶擔任NEC美國實驗室媒體分析部門主管,主攻兩個研究方向:一是基於移動雲的大規模細粒度圖像識別,二是自動駕駛的3D視覺感知。2012年,獲邀在硅谷的年度Bay Area Vision Meeting (硅谷年度關於計算機視覺的學術討論會)進行關於細粒度圖像識別的主題報告。2013年,林元慶帶領NEC團隊在ImageNet大規模物體檢測挑戰賽上獲得第二名。2014年,團隊的無人車視覺技術在KITTI自動駕駛benchmark上的物體檢測、物體跟蹤及單眼視覺里程計共三個方向上都取得第一名的評比結果。2014,林元慶再次獲邀在硅谷的年度Bay Area Vision Meeting做關於無人車計算機視覺的主題報告。 由於在無人車計算機視覺領域的突出貢獻,林元慶獲邀在IEEE/RSJ International Conference on Intelligent Robots and Systems 2016做大會的主題報告。在他擔任部門主管期間,團隊的頂級論文(比如在三大計算機時間頂級會議CVPR, ICCV和ECCV接收為oral的論文)數量獲得數倍的提升,團隊成員還獲得了CVPR2014的年度最優秀論文獎。他的團隊不僅研究成果突出,而且還在研發成果的商業化上碩果累累。團隊在2012~2015年期間四次獲得NEC公司技術商業化貢獻獎。
2015年11月,林元慶加入百度擔任深度學習實驗室(IDL)主任。百度深度學習實驗室是百度研究院成立最早和規模最大的實驗室,在北京、深圳和美國硅谷都設有分實驗室,專注於深度學習、圖像/視頻理解、3D視覺、人機交互、自動駕駛等領域核心技術的研發,是百度人工智能技術研發隊伍中的排頭兵。據林元慶介紹,百度深度學習實驗室在做大約十個方向的研究,包括機器學習(PaddlePaddle深度學習開源框架和PULSAR機器學習平台)、圖片搜索、圖像基礎技術、人臉識別、OCR(光學字符識別)、視頻分析、learning robot、細粒度圖像識別、AR以及醫療圖像分析。林元慶的主要研究方向涵蓋了機器學習和計算機視覺,2015年曾擔任NIPS(神經信息處理系統大會)的領域主席。IDL在他的帶領下迅速擴大,研發人數在2016年翻了一倍。
林元慶的主要研究方向涵蓋了機器學習和計算機視覺,2015&2017年曾擔任NIPS的領域主席。
2017年9月,林元慶從百度離職。其於11月初創立了行業AI解決方案公司Aibee,致力於從行業用户的痛點和價值出發,將計算機視覺、語音識別、自然語言理解、大數據分析等多種AI技術進行全方位融合,提供完整的解決方案,從而幫助傳統行業進行AI賦能升級。
[5]
林元慶學術著作
論文名稱 | 論文相關信息 |
---|---|
Exploit All the Layers: Fast and Accurate CNN Object Detector With Scale Dependent Pooling and Cascaded Rejection Classifiers | Fan Yang, Wongun Choi and Yuanqing Lin in CVPR 2016 |
Fine-Grained Image Classification by Exploring Bipartite-Graph Labels | Feng Zhou and Yuanqing Lin in CVPR 2016 |
Fine-Grained Categorization and Dataset Bootstrapping Using Deep Metric Learning With Humans in the Loop | Yin Cui, Feng Zhou, Yuanqing Lin and Serge Belongie in CVPR 2016 |
Data-Driven 3D Voxel Patterns for Object Category Recognition | Yu Xiang, Wongun Choi, Yuanqing Lin and Silvio Savarese in CVPR 2015;oral |
Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification | Saining Xie, Tianbao Yang, Xiaoyu Wang and Yuanqing Lin in CVPR 2015 |
Fine-Grained Visual Categorization via Multi-stage Metric Learning | Qi Qian, Rong Jin, Shenghuo Zhu and Yuanqing Lin in CVPR 2015 |
Regionlets for Generic Object Detection | Xiaoyu Wang, Ming Yang, Shenghuo Zhu and Yuanqing Lin in ICCV 2013;oral |
Dense Object Reconstruction with Semantic Priors | Sid Yingze Bao, Manmohan Chandraker, Yuanqing Lin and Silvio Savarese in CVPR 2013; oral |
Object-centric Spatial Pooling for Image Classification | Olga Russakovsky, Yuanqing Lin, Kai Yu and Fei-Fei Li in ECCV 2012 |
Multi-Component Models for Object Detection | Chunhui Gu, Pablo Arbelaez, Yuanqing Lin, Kai Yu and Jitendra Malik in ECCV 2012 |
Learning Image Representations from the Pixel Level via Hierarchical Sparse Coding | Kai Yu, Yuanqing Lin and John Lafferty in CVPR 2011 |
Large-scale Image Classification: Fast Feature Extraction and SVM Training | Yuanqing Lin, Liangliang Cao, Fengjun Lv, Shenghuo Zhu, Ming Yang, Timothee Cour, Kai Yu and Thomas Huang in CVPR 2011 |
Deep Coding Network | Yuanqing Lin, Tong Zhang, Shenghuo Zhu and Kai Yu in NIPS 2010 |
Learning sparse Markov network structure via ensemble-of-trees models | Yuanqing Lin, Shenghuo Zhu, Daniel D. Lee and Ben Taskar in AISTATS 2009 |
Blind channel identification for speech dereverberation using l1-norm sparse learning | Yuanqing Lin, Jingdong Chen, Youngmoo Kim, and Daniel D. Lee in NIPS 2007 ; oral |
Blind sparse-nonnegative (BSN) channel identification for acoustic time-difference-of-arrival estimation | Yuanqing Lin, Jingdong Chen, Youngmoo Kim, and Daniel D. Lee in WASPAA 2007; oral |
Multiplicative updates for nonnegative quadratic programming | Fei Sha, Yuanqing Lin, Lawrence K. Saul, and Daniel D. Lee in Neural Computation, 19(8): 2004-2031 (2007) |
Bayesian Regularization And Nonnegative Deconvolution (BRAND) for room impulse response estimation | Yuanqing Lin, Daniel D. Lee in IEEE Trans. Signal Processing, 54(3): 839-847 (2006) |
Bayesian Regularization And Nonnegative Deconvolution (BRAND) for acoustic echo cancellation | Yuanqing Lin, Daniel D. Lee in IEEE Trans. Signal Processing, 54(3): 839-847 (2006) |
Bayesian regularization and nonnegative deconvolution for time delay estimation | Yuanqing Lin, Daniel D. Lee in NIPS 2005 |
林元慶主要觀點
“IDL希望將人工智能核心技術能做到統治級別,通過深度學習技術,不僅要做好圖像識別基本技術(圖像搜索、OCR、人臉識別),還要實現細粒度圖像識別(如菜品識別)、視頻分析、AR、醫學圖像分析等方面的突破。他認為,很多關鍵技術的決戰期將是接下來的1-3年。”
“人工智能這個行業,我認為是要大家一起往前發展,開放非常重要。比如我們的OCR(光學字符識別)技術,不説是世界最好的,但在國內肯定是最好的。開放後,大家就可以不用再去做了,直接可以在這個基礎上繼續建設。”
Aibee林元慶:AI的關鍵是技術與商業化的閉環。Aibee=AI to Business。
[8]
林元慶將人工智能在傳統行業的應用價值總結為三點:降低人力成本,增強用户體驗,提高運營效率。降低人工成本是為了讓人們從繁瑣和重複性的勞動中得到解放,從而投身於更有價值的生產活動。增強用户體驗是為了讓人們更直接地享受到人工智能帶來的便利。提高運營效率是為了讓行業能夠擁有更高的效益。他認為人工智能對傳統行業的升級如果可以同時實現這三點,人工智能升級將具有很強的生命力。
- 參考資料
-
- 1. 吳恩達out,王海峯林元慶in!百度人工智能迎來新篇章 .雷鋒網[引用日期2018-02-13]
- 2. 「多面」林元慶 .創業幫[引用日期2018-02-13]
- 3. Aibee獲人工智能“創新力企業獎” 創始人林元慶獲評“非凡領袖” .極客網[引用日期2018-02-13]
- 4. 原百度深度學習實驗室主任林元慶離職:將在AI領域創業 .中華網[引用日期2018-02-13]
- 5. 1.65億融資背後 .36k[引用日期2018-02-13]
- 6. 2016中國人工智能大會召開:8院士解碼技術前沿與應用 .央廣網.2016-08-29[引用日期2016-12-15]
- 7. 為什麼百度要砍掉大熱的無人機項目,專注發展人工智能? .澎湃新聞.2016-08-27[引用日期2016-12-15]
- 8. Aibee林元慶:AI的關鍵是技術與商業化的閉環 .歐美同學會.2019-01-02[引用日期2020-03-01]
- 9. Exploit All the Layers: Fast and Accurate CNN Object Detector with Scale Dependent Pooling and Cascaded Rejection Classifiers | IEEE Conference Publication | IEEE Xplore .ieee[引用日期2022-04-21]
- 10. Feng Z , Lin Y . Fine-grained image classification by exploring bipartite-graph labels:, 10.1214/15-AOAS812[P]. 2018.
- 11. Cui Y , Zhou F , Lin Y , et al. Fine-grained Categorization and Dataset Bootstrapping using Deep Metric Learning with Humans in the Loop[J]. IEEE Computer Society, 2015.
- 12. Data-driven 3D Voxel Patterns for object category recognition .ieee[引用日期2022-04-21]
- 13. Yang T , Wang X , Lin Y , et al. Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification:, US20160140438A1[P]. 2016.
- 14. Fine-Grained Visual Categorization via Multi-stage Metric Learning .ieee[引用日期2022-04-21]
- 15. Regionlets for Generic Object Detection .ieee[引用日期2022-04-21]
- 16. Dense Object Reconstruction with Semantic Priors .ieee[引用日期2022-04-21]
- 17. Object-centric spatial pooling for image classification .NEC Laboratories America, Inc.[引用日期2022-04-21]
- 18. Learning image representations from the pixel level via hierarchical sparse coding .ieee[引用日期2022-04-21]
- 19. Large-scale image classification: Fast feature extraction and SVM training .ieee[引用日期2022-04-21]
- 20. Deep Coding Network .Citeseer[引用日期2022-04-21]
- 21. Learning Sparse Markov Network Structure via Ensemble-of-Trees Models .Citesee[引用日期2022-04-21]
- 22. Blind channel identification for speech dereverberation using l1-norm sparse learning .Citeseer[引用日期2022-04-21]
- 23. Blind Sparse-Nonnegative (BSN) Channel Identification for Acoustic Time-Difference-of-Arrival Estimation .ieee[引用日期2022-04-21]
- 24. Multiplicative updates for nonnegative quadratic programming .ieee[引用日期2022-04-21]
- 25. Bayesian regularization and nonnegative deconvolution for room impulse response estimation .ieee[引用日期2022-04-21]
- 26. Bayesian regularization and nonnegative deconvolution (BRAND) for acoustic echo cancellation .ieee[引用日期2022-04-21]
- 27. Bayesian Regularization and Nonnegative Deconvolution for Time Delay Estimation .Citeseer[引用日期2022-04-21]
- 28. Multi-component Models for Object Detection. .dblp[引用日期2022-04-21]
- 收起