Deep Learning has made breakthroughs in many areas, especially in Visual Recognition/Understanding, but it has some challenges both in training and deployment. This talk will introduce our cutting-edge research innovations in efficient CNN algorithm design, leading DNN model compression and deploy-time network optimization to enable deep visual inference at the edge. We will also introduce several visual edge AI applications on smart office and wildlife conservation enabled by our research innovations. 

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。本讲座将介绍我们为实现边缘深度学习视觉推断而进行的高效CNN算法设计、领先DNN模型压缩和部署时网络结构优化的前沿研究。我们还将介绍几个通过我们的研究创新实现的在智能笔记本、智能办公室和野生动物保护方面的边缘视觉智能应用。

演讲提纲：

一、视觉智能研究突破和挑战

1. 视觉智能研究进展及深度学习突破

2. 实现边缘深度学习视觉推断的挑战

二、边缘深度学习视觉推断的前沿研究及应用分享

1. 物体检测及识别高效CNN算法设计研究及实际应用

2. DNN模型压缩及网络结构优化研究及技术落地

3. 边缘视觉智能：保护东北虎案例分享

三、结语及未来展望

听众收益：

1. 了解视觉智能进展及挑战

2. 了解实现边缘深度视觉推断的主要途径

3. 熟悉边缘视觉智能应用开发流程