新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。”随着人工智能的发展，越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。迁移学习专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。比如说，用来辨识汽车的知识（或者是模型）也可以被用来提升识别卡车的能力。

2022年08月19日 — 2022年08月22日

我们的目标

1.深入了解神经网络的组成、训练和实现，掌握深度空间特征分布等关键概念；

2.掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点；

3.握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法；

4.掌握深度迁移学习的网络结构设计、目标函数设计的前沿方法，了解迁移学习在PDA、Source-Free DA上的应用；

5.掌握深度迁移学习在语义分割、目标检测、行人重识别等任务中的应用，学习图像/视频风格迁移方法，了解风格迁移在实际生活中的应用；

6.掌握小样本学习、Transformer等前沿方法和基本思想，了解小样本学习、Transformer等在实际场景下的应用；

7.通过实操掌握图片视频风格迁移，自动驾驶中的跨域语义分割，目标检测。

大纲计划

一、机器学习简介与经典机器学习算法介绍

二、深度学习简介与经典网络结构介绍

三、迁移学习基础

四、深度迁移学习介绍

五、迁移学习前沿方法介绍

六、迁移学习前沿应用

七、小样本学习、Transformer等前沿方法与应用

八、实验实操之实操环境搭建

九、实验实操之深度迁移学习实践

十、实验实操之图片与视频风格迁移实践

十一、实验实操之自动驾驶中的跨域语义分割实践

十二、实验实操之目标检测实践