美國華盛頓大學黃正能教授蒞臨成大暢談機器學習發展
美國西雅圖華盛頓大學電機系教授黃正能。圖：成功大學提供
在智慧運算與影像識別技術全球學界享譽盛名的美國西雅圖華盛頓大學電機系教授黃正能，日前以「真實世界的影像處理挑戰」為講題，蒞臨國立成功大學向師生分享深度學習最新突破與趨勢，及其為影像識別、語言處理可能帶來的發展。
隨著時間推移數據量與計算機性能不斷發展，機器學習的運算架構也不斷演變。除了核心理論推陳出新，有待識別的新數據也可能隨著訓練模組的標籤或定義域設定而有所轉變。本次演講中，黃正能教授首先回顧過往影像識別技術的發展與限制，再提出小數據或無數據的影像識別任務的最新進展，接著介紹他與研究團隊在面對現實世界中，數據取樣概率分布不平均時的克服方式，包含如何在閉集合與開集合的狀況下，達到當今全球最佳性能，以及將「類別擴增學習」（CIL）以及「無監督域適應」（UDA）任務設計達到最佳化的設計成果。
黃正能教授以深入淺出的方式分析每一種影像運算方式運算邏輯與優劣，說明人工智慧運算的影像辨識技術從過去4、50年前強調各種影像本身的特徵值取樣，並在既有的數據庫中競逐同類型圖片辨識成功率但卻無法與現實世界狀況接軌，到後來衍生參考人類學習方式而發展的「圖片-敘述」（image-text）訓練模型，終於能突破既有的窠臼，使影像辨識技術跳脫原有限制，不一定要蒐集龐大數據或採用硬性的訓練模型，而能透過既有的文字敘述資料訓練影像辨識的人工智慧，不僅更有效，同時也是現今學界發展機器學習的趨勢。
會後合影。圖：成功大學提供
演講結束後，在場的成大敏求智慧運算學院院長詹寶珠、副院長楊家輝、以及成大電機系教授謝明得紛紛提問向黃正能教授請益，表示透過黃教授演講獲得許多研究上的啟發，隨後再由詹寶珠院長代表致贈感謝狀。
黃正能教授分別於1981年及1983年取得臺灣大學電機工程學士與碩士學位，並在1988年取得美國南加州大學博士學位，1989年進入美國華盛頓大學電機與電腦工程學系（Department of Electrical and Computer Engineering of the University of Washington in Seattle）任教，於1999年晉升正教授。目前黃正能教授擔任華盛頓大學電機與電腦工程系的國際事務負責人，同時他也是資訊處理實驗室（Information Processing Lab.）的創辦人與協同執行長。
黃正能教授專長研究領域為機器學習、多媒體訊號處理、多媒體網路、影像處理、電腦視覺及圖形識別，目前已在國際期刊、國際會議論文集與書籍章節累積超過400篇研究論文。黃正能教授所率領的研究團隊曾獲2015年3D MOT Challenges第一名與2018年AI City Challenges的 Track1：Speed Estimation與Track3：ReIdentification的第一名。黃正能教授本人自2001年起即為IEEE會士（IEEE Fellow），曾擔任2021年在西雅圖舉行的IEEE 世界人工智能物聯網大會的聯合主席，目前是 IEEE 通信協會多媒體技術委員會 （MMTC）的成員以及IEEE信號處理協會多媒體信號處理技術委員會（MMSP TC）成員。
>> 1111 TUN大學網
university.1111.com.tw/index.asp
>>科技島社群 Tech Nice
https://www.technice.com.tw/
>> 最新職訓補助課→點我
https://is.gd/axnylY
>> 1111家教網
tutor.1111.com.tw/
>> 工作新鮮事都在1111 IG
https://www.instagram.com/1111.com.tw/
>>知名大學聯合校徵
http://www.myqueenbquilts.com/campusr/
成功大學華盛頓大學黃正能教授影像處理深度學習