林元庆

林元庆，曾任百度深度学习实验室（IDL）主任，拥有清华大学光学工程硕士学位和宾夕法尼亚大学电气工程博士学位。林元庆在机器学习和计算机视觉等研究领域拥有多年的研究经验和显着的成果。在加入百度前，曾任NEC美国实验室媒体分析部门主管。在他的带领下NEC研究团队在深度学习、计算机视觉和无人驾驶等领域取得世界领先水平。2005年至今在*国际会议和期刊发表论文30余篇，拥有11项美国专利，曾担任NIPS大会领域主席、大规模视觉识别和检索国际研讨会联合主席等。

1、人物经历

林元庆拥有清华大学光学工程硕士学位，并于2008年获得宾夕法尼亚大学电子工程博士学位。在宾夕法尼亚大学读博士期间，主攻机器学习方向，其间创造性的提出了基于L1-norm的贝叶斯稀疏学习（BayesianSparseLearning），并在其理论和应用上进行了深入的探索，在攻读博士期间在*国际会议和期刊共发表了12篇论文。在2007年，论文被NIPS大会接收做大会报告（oral）。

林元庆

2008年加入NEC美国实验室，主攻研究机器学习在计算机视觉领域的应用。2010年，林元庆带领NEC-UIUC团队在第一届的ImageNet大规模视觉识别挑战赛上获得第一名。

2012年，林元庆担任NEC美国实验室媒体分析部门主管，主攻两个研究方向：一是基于移动云的大规模细粒度图像识别，二是自动驾驶的3D视觉感知。2012年，获邀在硅谷的年度BayAreaVisionMeeting（硅谷年度关于计算机视觉的学术讨论会）进行关于细粒度图像识别的主题报告。2013年，林元庆带领NEC团队在ImageNet大规模物体检测挑战赛上获得第二名。2014年，团队的无人车视觉技术在KITTI自动驾驶benchmark上的物体检测、物体跟踪及单眼视觉里程计共三个方向上都取得第一名的评比结果。2014，林元庆再次获邀在硅谷的年度BayAreaVisionMeeting做关于无人车计算机视觉的主题报告。由于在无人车计算机视觉领域的突出贡献，林元庆获邀在IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems2016做大会的主题报告。在他担任部门主管期间，团队的*论文（比如在三大计算机时间*会议CVPR,ICCV和ECCV接收为oral的论文）数量获得数倍的提升，团队成员还获得了CVPR2014的年度最优秀论文奖。他的团队不仅研究成果突出，而且还在研发成果的商业化上硕果累累。团队在2012——2015年期间四次获得NEC公司技术商业化贡献奖。

2015年11月，林元庆加入百度担任深度学习实验室（IDL）主任。百度深度学习实验室是百度研究院成立最早和规模最大的实验室，在北京、深圳和美国硅谷都设有分实验室，专注于深度学习、图像/视频理解、3D视觉、人机交互、自动驾驶等领域核心技术的研发，是百度人工智能技术研发队伍中的排头兵。据林元庆介绍，百度深度学习实验室目前在做大约十个方向的研究，包括机器学习（PaddlePaddle深度学习开源框架和PULSAR机器学习平台）、图片搜索、图像基础技术、人脸识别、OCR（光学字符识别）、视频分析、learningrobot、细粒度图像识别、AR以及医疗图像分析。林元庆的主要研究方向涵盖了机器学习和计算机视觉，2015年曾担任NIPS（神经信息处理系统大会）的领域主席。IDL在他的带领下迅速扩大，研发人数在2016年翻了一倍。

2017年9月，离开百度。

2、学术着作

ExploitAlltheLayers:FastandAccurateCNNObjectDetectorWithScaleDependentPoolingandCascadedRejectionClAssifiers

FanYang,WongunChoiandYuanqingLininCVPR2016

Fine-GrainedImageClAssificationbyExploringBipartite-GraphLabels

FengZhouandYuanqingLininCVPR2016

Fine-GrainedCategorizationandDatasetBootstrappingUsingDeepMetricLearningWithHumansintheLoop

YinCui,FengZhou,YuanqingLinandSergeBelongieinCVPR2016

Data-Driven3DVoxelPatternsforObjectCategoryRecognition

YuXiang,WongunChoi,YuanqingLinandSilvioSavareseinCVPR2015；oral

Hyper-clAssAugmentedandRegularizedDeepLearningforFine-grainedImageClAssification

SainingXie,TianbaoYang,XiaoyuWangandYuanqingLininCVPR2015

Fine-GrainedVisualCategorizationviaMulti-stageMetricLearning

QiQian,RongJin,ShenghuoZhuandYuanqingLininCVPR2015

RegionletsforGenericObjectDetection

XiaoyuWang,MingYang,ShenghuoZhuandYuanqingLininICCV2013;oral

DenseObjectReconstructionwithSemanticPriors

SidYingzeBao,ManmohanChandraker,YuanqingLinandSilvioSavareseinCVPR2013;oral

Object-centricSpatialPoolingforImageClAssification

OlgaRussakovsky,YuanqingLin,KaiYuandFei-FeiLiinECCV2012

Multi-ComponentModelsforObjectDetection

ChunhuiGu,PabloArbelaez,YuanqingLin,KaiYuandJitendraMalikinECCV2012

LearningImageRepresentationsfromthePixelLevelviaHierarchicalSparseCoding

KaiYu,YuanqingLinandJohnLaffertyinCVPR2011

Large-scaleImageClAssification:FastFeatureExtractionandSVMTraining

YuanqingLin,LiangliangCao,FengjunLv,ShenghuoZhu,MingYang,TimotheeCour,KaiYuandThomasHuanginCVPR2011

DeepCodingNetwork

YuanqingLin,TongZhang,ShenghuoZhuandKaiYuinNIPS2010

LearningsparseMarkovnetworkstructureviaensemble-of-treesmodels

YuanqingLin,ShenghuoZhu,DanielD.LeeandBenTaskarinAISTATS2009

Blindchannelidentificationforspeechdereverberationusingl1-normsparselearning

YuanqingLin,JingdongChen,YoungmooKim,andDanielD.LeeinNIPS2007;oral

Blindsparse-nonnegative（BSN）channelidentificationforacoustictime-difference-of-arrivalestimation

YuanqingLin,JingdongChen,YoungmooKim,andDanielD.LeeinWASPAA2007;oral

Multiplicativeupdatesfornonnegativequadraticprogramming

FeiSha,YuanqingLin,LawrenceK.Saul,andDanielD.LeeinNeuralComputation,19（8）：2004-2031（2007）

BayesianRegularizationAndNonnegativeDeconvolution（BRAND）forroomimpulseresponseestimation

YuanqingLin,DanielD.LeeinIEEETrans.SignalProcessing,54（3）：839-847（2006）

BayesianRegularizationAndNonnegativeDeconvolution（BRAND）foracousticechocancellation

YuanqingLin,DanielD.LeeinIEEETrans.SignalProcessing,54（3）：839-847（2006）

BayesianRegularizationAndNonnegativeDeconvolution（BRAND）foracousticechocancellation

YuanqingLin,DanielD.LeeinWASPAA2005

Bayesianregularizationandnonnegativedeconvolutionfortimedelayestimation

YuanqingLin,DanielD.LeeinNIPS2005

3、主要观点

“IDL希望将人工智能核心技术能做到统治级别，通过深度学习技术，不仅要做好图像识别基本技术（图像搜索、OCR、人脸识别），还要实现细粒度图像识别（如菜品识别）、视频分析、AR、医学图像分析等方面的突破。他认为，很多关键技术的决战期将是接下来的1-3年。”

——来源：2016中国人工智能大会

“人工智能这个行业，我认为是要大家一起往前发展，开放非常重要。比如我们的OCR（光学字符识别）技术，不说是世界最好的，但在国内肯定是最好的。开放后，大家就可以不用再去做了，直接可以在这个基础上继续建设。”

——来源：2016年8月，林元庆接受澎湃新闻采访