优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

在近日公布的google2021博士生奖研金部分名单中,来自阿德莱德大学、新南威尔士大学、昆士兰科技大学和悉尼大学的四位博士生获得该殊荣。

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

google的博士生奖研金项目(Google Ph.D Fellowship Program)创立于 2009 年,旨在奖励在计算机学科及其相关学科或者其它前瞻科研领域方面表现优异的博士生。目前该项目提供奖学金的支持范围包括来自非洲、澳大利亚和新西兰、欧洲、印度、美国和加拿大等学生。获得google博士生奖研金项目的钻研者将得到包括 15,000 澳元的奖励金,用于支付津贴和其他钻研相关活动,此外,获奖者还会被分配一位 Google Mentor,负责提供指导帮助。今年,该项目公布了来自澳大利亚的四名博士生因其杰出的钻研而获得该奖学金。这四名获奖者包括来自机械感知、语音技能与计算机视觉方位王鑫龙,机械进修方位的李昀、Theekshana Dissanayake,算法、优化和市场方位的 Sampson Wong。jiqizhix后续将跟踪报道更多其他地区与大学获得google 2021 博士生奖研金的博士生。机械感知、语音技能与计算机视觉方位王鑫龙(Xinlong Wang),阿德莱德大学

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

个人主页:https://www.xloong.wang/王鑫龙是阿德莱德大学二年级博士生,导师为沈春华(Chunhua Shen)教授。本科就读于同济大学,并曾在旷视科技、腾讯优图实验室和字节跳动 AI 实验室实习。王鑫龙的钻研兴趣在计算机视觉与机械进修,特别是赋能机械观察和理解环境。他的钻研主题包括 2D/3D / 视频目标检测和实例宰割。此前,王鑫龙以字节跳动实习生的身份提出了一种实例宰割新格式SOLO,通过引入实例类别的概念,将实例宰割转换为分类问题。SOLO在一些性能指标上甚至超越了增强版的Mask R-CNN。目前王鑫龙正在开发一种实例宰割格式,未来可以为计算机视觉钻研人员和技能公司节省大量时间和金钱一种新的实例宰割格式物体识别和定位技能对于机械人和自动驾驶汽车至关重要,机械人在移动中必要识别物体、自动驾驶汽车在城市街道上必要避开行人。实现此功能的一个关键技能是进行实例宰割。王鑫龙解释道,实例宰割是计算机视觉中的一个基本问题。实例宰割的目标是定位图象中的每个对象,并将其放在一个类别中。例如,有些像素都属于一棵树,而有些像素都是人的一部分。目前,实例宰割必要大量的时间和金钱投入,因为计算机模型并不是一开始就知道树和人之间的区别——它必须提前进修。「当我们训练这样的模型时,我们必须使用带有注释或标记的图象,」王鑫龙说道,但是给图象贴标签的过程增加了时间和成本。因此,王鑫龙的工作旨在开发一种新的实例宰割格式,该格式具有相当的准确率,但只必要不到现有格式三分之一的注释。例如,计算机视觉训练系统可能包含 100 万张图象——现有的实例宰割格式必要对其中的每一张图象进行注释。而王鑫龙的格式仍然适用于这 100 万张图象,但只必要 20-30% 标记量就可以达到同样的训练准确率。目前为止,王鑫龙有多篇钻研入选顶会论文,其中有四篇论文被 CVPR 2021 接管、一篇论文被 AAAI 2021 接管、两篇论文被 ECCV 2020 接管等。

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

机械进修方位李昀(Yun Li),新南威尔士大学

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

个人主页:https://ogshun.github.io/李昀是新南威尔士大学计算机科学与工程学院的博士生,她的导师为 Lina Yao 和 Boualem Benatallah 教授。2016 和 2019 年,她先后取得南京大学计算机科学与工程系的学士与硕士学位。她的钻研兴趣主要在于深度进修和大数据分析,尤其是在人类调理健康领域的应用。目前,她的钻研课题包括零样本进修、基因组分析和调理成像。在李昀看来,深度进修在显著变革药物实践与调理健康实现方面展示出了潜力。然而,调理健康数据的低容量、高稀疏性和低质属性以及它们的多样化上下文限制了深度进修格式的性能。因此,在她的钻研中,她意在开发一系列稳健和通用的少样本机械进修格式,以使用非常少的数据来高效地发现个性化和可迁移的洞见性知识。具体地,她已经确定并提出了用于基因组序列的数据高效格式,以及调理图象增强、分层多视图数据分析和耳鸣诊疗的解决方案。她还将继续提升临床转译的可解释性、透明性和个性化。她的钻研将对基因组钻研、调理诊疗、药物发现和疾病治疗等一系列实际场景产生更广泛的影响。自 2018 年以来,李昀参与撰写的多篇论文被 TKDE、ICTAI、ICONIP、ICDE、CIKM、AAAI 等学术会议以及 VLDB Journal、TNNLS 等学术期刊接管。

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

Theekshana Dissanayake,昆士兰科技大学

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

个人主页:https://ieeexplore.ieee.org/author/37088772740Theekshana Dissanayake 在佩拉德尼亚大学获得计算机工程学士学位。目前,他在昆士兰科技大学的旗号处理、人工智能和视觉技能 (SAIVT) 钻研组攻读博士学位。他主要钻研方位为生物旗号数据的深度进修应用。深度进修在解决基于生物旗号的医学诊疗问题上取得了巨大的成功。然而,现有的解决方案不能概括从不同的实验设置捕获的多个数据集。此外,当前的解决方案具有黑箱性质,从临床角度来看这阻碍了和预测相关的信任。Theekshana Dissanayake 的钻研侧重于为基于生物旗号医学诊疗设计的深度进修模型的通用性和可解释性,并考虑单通道和多通道生物旗号(如使用 EEG 和 ECG 的心脏旗号和大脑旗号)。算法、优化和市场方位Sampson Wong,悉尼大学

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

google学术主页:https://scholar.google.com.au/citations?user=47gcJfsAAAAJ&hl=en交通网络必要定期监控和维护以维持高水平的可操作性。随着网络的发展和技能的进步,对交通网络数据进行数据驱动分析的需求日益增长。从而导致政府和公司来开发特定领域的工具,为用户提供最佳推荐。这些工具的速度和质量很大程度上取决于它们的基本构建块。Sampson Wong 的钻研目标是开发有效的算法来解决交通网络中涉及几何运动数据的基本问题。该钻研使用聚类和其他算法来检测几何运动数据中的通勤模式,并可以为交通网络选择有益的升级。Sampson Wong 已发表多篇论文,部分论文如下:

优秀!2021年google博士生奖研金陆续揭晓,同济校友王鑫龙、南大校友李昀入选

参考链接:https://blog.google/around-the-globe/google-asia/australia/supporting-future-computer-science-2021-google-phd-fellowships/

原创文章,作者:机器之心,如若转载,请注明出处:https://www.iaiol.com/news/you-xiu-2021-nian-google-bo-shi-sheng-jiang-yan-jin-lu-xu/

(0)
上一篇 2021年 8月 26日 下午2:01
下一篇 2021年 8月 31日 下午2:46

相关推荐

  • 融会趋势下基于 Flink Kylin Hudi 湖仓一体的大数据生态体系

    本文由 T3 出行大数据平台负责人杨华和资深大数据平台开发工程师王祥虎先容 Flink、Kylin 和 Hudi 湖仓一体的大数据生态体系以及在 T3 的相关应用场景,内容包括:

    湖仓一体的架构
    Flink/Hudi/Kylin 先容与融会
    T3 出行结合湖仓一体的实践

    2021年 8月 11日
  • 性能提升、成本降低,这是分布式强化进修算法最新研究进展

    深度强化进修(Deep Reinforcement Learning,DRL)是一种公认的解决连续决策问题的有效技术。为了应对 DRL 的数据低效(data inefficiency)问题,受到分布式机器进修技术的启发,分布式深度强化进修 (distributed deep reinforcement learning,DDRL) 已提出并成功应用于盘算机视觉和自然语言处理领域。有观点认为,分布式强化进修是深度强化进修走向大规模应用、解决复杂决策空间和长期规划问题的必经之路。分布式强化进修是一个综合的研究子领域,需

    2024年 2月 15日
  • 准确率达 95%,机械进修猜测复杂新质料合成

    编辑/绿萝科学家和机构每年都投入非常多的资源来发明新质料,以期为燃料提供催化剂。随着自然资源的减少,以及对更高价值和先进性能产品的需求增长,钻研职员越来越多地关注到纳米质料。但识别新质料的连续尝试方法对质料发明施加了不可逾越的限制。近日,美国西北大学和丰田钻研所(TRI)的钻研职员应用机械进修来指导新纳米质料的合成,消除了质料发明相关的障碍。这种训练有素的算法,可通过界说数据集来准确猜测可用于清洁能源、化学和汽车行业燃料的重要催化剂。该钻研以「Machine learning–accelerated design

    2021年 12月 30日
  • 神经搜集debug太难了,这里有六个实用技巧

    神经搜集的 debug 过程着实不容易,这里是一些有所帮助的 tips。

    2021年 6月 11日
  • PyTorch正式加入Linux基金会,Linux基金会多了一把「瑞士军刀」?

    加入 Linux 基金会后,PyTorch 不会有大的改变。

    2022年 9月 13日
  • 硬科技起飞,这家成立仅三年的AI钻研院已颇具国际风范

    摘要:「我认为历史上多数突破性钻研成果的出现都是偶然事件,而钻研机构所有努力都是为了提升这类偶然事件发生的概率。」张宏江说道。他所牵头的「革新型钻研院」,即是一种积极探索,短短3年已展现一派生机。

    2022年 1月 11日
  • 295页博士论文探索加强进修形象表面,获AAAI/ACM SIGAI博士论文奖提名

    除了论文本身超有技术含量之外,文中使用的图表也非常美观漂亮。

    2022年 3月 20日
  • Mistral AI新模型对标GPT-4,不开源且与微软分工,网友:忘了初心

    「欧洲版 OpenAI」的「最强开源大模型」,被微软收编了。生成式 AI 领域,又有重量级产品出现。周一晚间,Mistral AI 正式颁布了「旗舰级」大模型 Mistral Large。与此前的一系列模型不同,这次 Mistral AI 颁布的版本功能更强,体量更大,直接对标 OpenAI 的 GPT-4。而新模型的出现,也伴随着公司大方向的一次转型。随着 Mistral Large 上线,Mistral AI 推出了名为 Le Chat 的聊天助手(对标 ChatGPT),任何人都可以试试效果。试用链接:htt

    2024年 2月 27日
  • 翻新工厂李开复:调理赛道挤泡沫,迎来“调理+X”时代

    2022年即将过半,黑天鹅仍旧满天飞,一二级市场跌宕起伏。新冠催化下的调理科技赛道,从火热到冷静,逐渐走入挤泡沫的阶段。在这之中,哪些热点将回归平静,又有哪些趋势能够穿越周期?5月11日,在翻新工厂举办的调理翻新趋势分享会上,翻新工厂董事长兼CEO李开复博士表示,在科技交织越来越频繁的当下,AI和自动化已经成为了底层的“数字基建”,跟各范畴的手艺交织带来了越来越多的翻新突破。而传统的调理大安康赛道也在两大平台手艺的推动下迎来翻新拐点,迎来“调理+X”的落地爆发时代。&

    2022年 5月 11日
  • 华人一作统一「视觉-谈话」理解与天生:一键天生图象标注,完成视觉问答,Demo可玩

    这个 BLIP 模型可以「看图说话」,提取图象的主要内容,不仅如此,它还能回答你提出的关于图象的问题。

    2022年 2月 6日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注