林元庆

林元庆，男，Aibee创始人兼CEO，曾任百度研究院院长和NEC美国智能图像研究院的负责人。^[1]他在机器学习和计算机视觉等领域有多年的研究经验和显著的成果，拥有30余篇在顶级国际会议和期刊发表的论文，11项美国专利，并曾担任NIPS大会领域主席、大规模视觉识别和检索国际研讨会联合主席等职务。林元庆在百度期间，致力于搭建算法、数据、应用的闭环，带领团队研发极致人工智能技术，其领导的团队在多个领域实现了技术上的重大进展，并将这些技术应用到百度的多项产品中，极大地提升了产品的性能和用户的体验。2017年，林元庆创立了行业AI解决方案公司Aibee。

林元庆拥有清华大学光学工程硕士学位，并于2008年获得宾夕法尼亚大学电子工程博士学位。在宾夕法尼亚大学读博士期间，主攻机器学习方向，其间创造性的提出了基于L1-norm的贝叶斯稀疏学习(Bayesian Sparse Learning)，并在其理论和应用上进行了深入的探索，在攻读博士期间在顶级国际会议和期刊共发表了12篇论文。在2007年，论文被NIPS大会接收做大会报告(oral)。

2008年加入NEC美国实验室，主攻研究机器学习在计算机视觉领域的应用。2010年，林元庆带领NEC-UIUC团队在第一届的ImageNet大规模视觉识别挑战赛上获得第一名。

2012年，林元庆担任NEC美国实验室媒体分析部门主管，主攻两个研究方向：一是基于移动云的大规模细粒度图像识别，二是自动驾驶的3D视觉感知。2012年，获邀在硅谷的年度Bay Area Vision Meeting （硅谷年度关于计算机视觉的学术讨论会）进行关于细粒度图像识别的主题报告。2013年，林元庆带领NEC团队在ImageNet大规模物体检测挑战赛上获得第二名。2014年，团队的无人车视觉技术在KITTI自动驾驶benchmark上的物体检测、物体跟踪及单眼视觉里程计共三个方向上都取得第一名的评比结果。2014，林元庆再次获邀在硅谷的年度Bay Area Vision Meeting做关于无人车计算机视觉的主题报告。 由于在无人车计算机视觉领域的突出贡献，林元庆获邀在IEEE/RSJ International Conference on Intelligent Robots and Systems 2016做大会的主题报告。在他担任部门主管期间，团队的顶级论文（比如在三大计算机时间顶级会议CVPR, ICCV和ECCV接收为oral的论文）数量获得数倍的提升，团队成员还获得了CVPR2014的年度最优秀论文奖。他的团队不仅研究成果突出，而且还在研发成果的商业化上硕果累累。团队在2012~2015年期间四次获得NEC公司技术商业化贡献奖。

2015年11月，林元庆加入百度担任深度学习实验室（IDL）主任。百度深度学习实验室是百度研究院成立最早和规模最大的实验室，在北京、深圳和美国硅谷都设有分实验室，专注于深度学习、图像/视频理解、3D视觉、人机交互、自动驾驶等领域核心技术的研发，是百度人工智能技术研发队伍中的排头兵。据林元庆介绍，百度深度学习实验室在做大约十个方向的研究，包括机器学习（PaddlePaddle深度学习开源框架和PULSAR机器学习平台）、图片搜索、图像基础技术、人脸识别、OCR（光学字符识别）、视频分析、learning robot、细粒度图像识别、AR以及医疗图像分析。林元庆的主要研究方向涵盖了机器学习和计算机视觉，2015年曾担任NIPS（神经信息处理系统大会）的领域主席。IDL在他的带领下迅速扩大，研发人数在2016年翻了一倍。

林元庆的主要研究方向涵盖了机器学习和计算机视觉，2015&2017年曾担任NIPS的领域主席。

2017年3月，林元庆升任百度研究院院长，全面负责百度的硅谷人工智能实验室（SVAIL）、深度学习实验室（IDL），大数据实验室（BDL）、增强现实实验室（ARL）。

2017年9月，林元庆从百度离职。其于11月初创立了行业AI解决方案公司Aibee，致力于从行业用户的痛点和价值出发，将计算机视觉、语音识别、自然语言理解、大数据分析等多种AI技术进行全方位融合，提供完整的解决方案，从而帮助传统行业进行AI赋能升级。

论文名称论文相关信息Exploit All the Layers: Fast and Accurate CNN Object Detector With Scale Dependent Pooling and Cascaded Rejection ClassifiersFan Yang, Wongun Choi and Yuanqing Lin in CVPR 2016Fine-Grained Image Classification by Exploring Bipartite-Graph LabelsFeng Zhou and Yuanqing Lin in CVPR 2016Fine-Grained Categorization and Dataset Bootstrapping Using Deep Metric Learning With Humans in the LoopYin Cui, Feng Zhou, Yuanqing Lin and Serge Belongie in CVPR 2016Data-Driven 3D Voxel Patterns for Object Category RecognitionYu Xiang, Wongun Choi, Yuanqing Lin and Silvio Savarese in CVPR 2015；oralHyper-class Augmented and Regularized Deep Learning for Fine-grained Image ClassificationSaining Xie, Tianbao Yang, Xiaoyu Wang and Yuanqing Lin in CVPR 2015Fine-Grained Visual Categorization via Multi-stage Metric LearningQi Qian, Rong Jin, Shenghuo Zhu and Yuanqing Lin in CVPR 2015Regionlets for Generic Object DetectionXiaoyu Wang, Ming Yang, Shenghuo Zhu and Yuanqing Lin in ICCV 2013;oralDense Object Reconstruction with Semantic PriorsSid Yingze Bao, Manmohan Chandraker, Yuanqing Lin and Silvio Savarese in CVPR 2013; oralObject-centric Spatial Pooling for Image ClassificationOlga Russakovsky, Yuanqing Lin, Kai Yu and Fei-Fei Li in ECCV 2012Multi-Component Models for Object DetectionChunhui Gu, Pablo Arbelaez, Yuanqing Lin, Kai Yu and Jitendra Malik in ECCV 2012Learning Image Representations from the Pixel Level via Hierarchical Sparse CodingKai Yu, Yuanqing Lin and John Lafferty in CVPR 2011Large-scale Image Classification: Fast Feature Extraction and SVM TrainingYuanqing Lin, Liangliang Cao, Fengjun Lv, Shenghuo Zhu, Ming Yang, Timothee Cour, Kai Yu and Thomas Huang in CVPR 2011Deep Coding NetworkYuanqing Lin, Tong Zhang, Shenghuo Zhu and Kai Yu in NIPS 2010Learning sparse Markov network structure via ensemble-of-trees modelsYuanqing Lin, Shenghuo Zhu, Daniel D. Lee and Ben Taskar in AISTATS 2009Blind channel identification for speech dereverberation using l1-norm sparse learningYuanqing Lin, Jingdong Chen, Youngmoo Kim, and Daniel D. Lee in NIPS 2007 ; oralBlind sparse-nonnegative (BSN) channel identification for acoustic time-difference-of-arrival estimationYuanqing Lin, Jingdong Chen, Youngmoo Kim, and Daniel D. Lee in WASPAA 2007; oralMultiplicative updates for nonnegative quadratic programmingFei Sha, Yuanqing Lin, Lawrence K. Saul, and Daniel D. Lee in Neural Computation, 19(8): 2004-2031 (2007)Bayesian Regularization And Nonnegative Deconvolution (BRAND) for room impulse response estimationYuanqing Lin, Daniel D. Lee in IEEE Trans. Signal Processing, 54(3): 839-847 (2006)Bayesian Regularization And Nonnegative Deconvolution (BRAND) for acoustic echo cancellationYuanqing Lin, Daniel D. Lee in IEEE Trans. Signal Processing, 54(3): 839-847 (2006)Bayesian regularization and nonnegative deconvolution for time delay estimationYuanqing Lin, Daniel D. Lee in NIPS 2005

林元庆在人工智能领域的研究和实践中，提出了多个重要观点。他认为，IDL希望将人工智能核心技术做到统治级别，通过深度学习技术，不仅要做好图像识别基本技术（图像搜索、OCR、人脸识别），还要实现细粒度图像识别（如菜品识别）、视频分析、AR、医学图像分析等方面的突破。他认为，很多关键技术的决战期将是接下来的1-3年。此外，林元庆强调人工智能行业的发展需要开放，例如OCR技术，他认为在国内是领先的技术，开放后可以促进技术的进一步发展。在Aibee，林元庆将人工智能在传统行业的应用价值总结为三点：降低人力成本，增强用户体验，提高运营效率。他认为，如果人工智能升级能够同时实现这三点，将具有很强的生命力。