VALSE学习（十九）：VALSE2018－历届资源汇总
一、文章系列
1、VALSE2018|让机器“观色”：真实世界的表情识别
http://www.cvmart.net/community/article/detail/236
传统的手工设计的面部特征，易受到光照变化等影响，面临真实场景中鲁棒性不足等问题，而近年来深度学习技术的出现，为表情识别带来了斐然的进展。今天，来自北京邮电大学的邓伟洪教授，将为大家介绍如何利用深度学习，来让机器“观色”。
2、VALSE 2018 | 让机器“答问如流”：从视觉到语言
http://www.cvmart.net/community/article/detail/246
在从视觉到语言这一问题上，机器只能达到人类三四岁小朋友的水平，其间还有很大的差距需要我们科研人员来填补。今天，来自澳大利亚阿德莱德大学的沈春华教授，将为大家介绍，从视觉到语言，如何利用深度学习来填补机器与人之间的落差。
3、让机器“察言作画”：从语言到视觉|VALSE2018之二
https://mp.weixin.qq.com/s/d4N-Xz0NImb5khLup5DmpQ
对机器而言，深度学习构建了语言与视觉之间的联系，也让机器在吟诗作画方面取得了超过普通人的成绩。来自京东AI平台与研究部的张炜博士，将为大家介绍，从语言到视觉，机器能为人类做些什么。
4、让机器“析毫剖厘”：图像理解与编辑|VALSE2018之三
https://mp.weixin.qq.com/s/zBNJzajap4Lwb5o_W2A-jw
来自中科院信息工程研究所的刘偲副研究员，将从生成对抗网络（GAN）讲起，讲述如何通过对场景内物体及物体之间关系的梳理，让机器“析毫剖厘”，以实现对场景的理解以及对图像的编辑。
5、让机器“看山是山”：脑启发的视觉计算|VALSE2018之五
https://mp.weixin.qq.com/s/zBNJzajap4Lwb5o_W2A-jw
人的视觉任务，本质上是人脑对外界视觉信号作出反应的过程，那么，研究人脑的工作机理，是否能够为计算机视觉提供一些启发呢？基于此，学术界开展了脑启发视觉计算领域的研究。今天，来自中科院自动化所的张兆翔研究员，将带着大家回顾，脑启发视觉计算在2017年的关键进展。
6、让机器“删繁就简”：深度神经网络加速与压缩|VALSE2018之六
https://mp.weixin.qq.com/s/MHaweyu4zegUrrgu6gm_LQ
深度神经网络，作为目前人工智能的基石之一，其复杂性及可移植性将直接影响人工智能在生活中的应用。今天，来自中国科学院自动化研究所的程健研究员，将向大家介绍过去一年中，深度神经网络加速和压缩方面所取得的进展。
7、让机器“提纲挈领”：视觉系统的紧凑性初探|VALSE2018之七
https://mp.weixin.qq.com/s/_HxhOp1E7cRD03RXqx97Vg
如果我们的特征提取过程能够做到对整个视觉输入的“提纲挈领”，将有助于计算机视觉在生活中的真实落地。今天，来自厦门大学的纪荣嵘教授，将从视觉信息的紧凑性、深度网络的紧凑性、以及检测算法的紧凑性三方面，来介绍如何实现紧致化的视觉大数据分析系统。
8、让机器“解疑释惑”：视觉世界中的结构化理解|VALSE2018之八
https://mp.weixin.qq.com/s/C1PydJQJjZtf0mHIIDcFvg
今天，来自悉尼大学的欧阳万里教授，将从物体之间的相关性出发，利用结构化建模，尝试在图像理解领域，窥一窥深度学习这一黑盒子。
9、让机器“一叶知秋”：弱监督视觉语义分割|VALSE2018之九
https://mp.weixin.qq.com/s/SB5ZSD_YGPvC6hPTZXiB4A
对于语义分割任务，学术界衍生出了针对弱监督的语义分割这一前沿方向。今天，来自美国伊利诺伊大学香槟分校的魏云超博士，将以一片叶子作为“种子点”出发，带着大家深度学习，直至扩散出整幅图像中秋色的mask。
10、【领域报告】行人再识别年度进展 |VALSE2018之十
https://mp.weixin.qq.com/s/leuILzYz40PqrwsCatYhPw
本文中，来自浙江大学的李玺教授，将为大家介绍过去一年中，行人再识别领域所取得的研究进展。
11、【领域报告】图像OCR年度进展|VALSE2018之十一
https://mp.weixin.qq.com/s/0ysaJGNslckesv21o752FA
真实环境中文字角度不可控、语种复杂多样、环境噪声多变等，针对这些问题，学术界开展了OCR领域研究工作。本文中，来自华中科技大学的白翔教授，将为大家介绍过去一年中，OCR领域的研究进展。
12、【领域报告】2017以来的2D to 3D | VALSE2018
https://mp.weixin.qq.com/s/XqD1iDdqQomYRMXhie_Xqw
本文中，来自中科院自动化所的吴毅红研究员，将介绍2017年以来的2D to 3D计算机视觉进展。文末提供文中提到参考文献的下载链接。
13、【领域报告】小样本学习年度进展|VALSE2018
https://mp.weixin.qq.com/s/2NLPma-wITAUKVnSRrHX9w
在机器学习领域中，随着更多应用场景的涌现，我们越来越面临着样本数量不足的问题。因此，如何通过举一反三的方式进行小样本学习，成为了一个重要的研究方向。本文中，复旦大学的付彦伟教授，将介绍过去一年中小样本学习领域的研究进展。
二、视频+PPT资源系列
2016
VALSE线上视频
链接：https://pan.baidu.com/s/1WuJjaE5_5oVYL6c2oiMCkA 密码：0rt8
Valse Webinar视频在线观看地址：http://www.iqiyi.com/u/2289191062/v
2017
VALSE大会现场录像+PPT(更新中）
链接：https://pan.baidu.com/s/1_-DnQm7AaoAyg_6ZdCpcdw 密码：55i8
VALSE线上视频+PPT
链接：https://pan.baidu.com/s/1wfk2t3OGSASh4Ef5096zMA 密码：z1kk
2018
VALSE大会现场PPT(更新中）
链接：https://pan.baidu.com/s/12lZ-vMA_AvJ1HKljpfBI1g 密码：5jei
VALSE大会现场poster
链接：https://pan.baidu.com/s/16LhW5Hl0qIIDmQ0a4qcx4g 密码：fxe5
VALSE线上视频+PPT(更新中）
链接：https://pan.baidu.com/s/1rpGJOgS2nnlR-Sb4bXFymQ 密码：55m8
资源收集来源：
1.http://valser.org/
2.“深度学习大讲堂”（id:deeplearningclass）