摘要

该讲习班以浅层高阶统计建模到深层高阶统计建模的发展过程为起点，重点介绍和分析一系列基于高阶统计建模的深层卷积神经网络模型和理论。这类新颖的深层卷积神经网络模型在大规模图像分类、小规模精细粒度图像识别以及物体检测等多个计算机视觉任务上，显著地提升了现有的主流深层卷积神经网络架构的性能。高阶建模的思想为深层卷积神经网络模型、架构和理论的研究提供了新的视角和思路。

主要内容

Overview: 高阶建模的基本含义、目的及意义
讲者：李培华，slides

Part I 传统的高阶统计建模方法及与深度特征的初步结合
讲者：王旗龙, slides

Part II 基于全局协方差矩阵和概率分布建模的深层卷积神经网络
讲者：李培华，王旗龙, slides

Part III 基于全局近似高阶池化的深层卷积神经网络
讲者：左旺孟，slides

Part IV ALISC大规模商品图像检索和8000类精细粒度图像识别竞赛获胜方案简介
讲者：王旗龙，谢江涛，李培华， slides