![林元慶[原百度深度學習實驗室主任]](/img/1/88c/n5GcuM3X1QTOwUDO2IDMxATOwUTM2MjN1ADN0QTNwAzMwIzLyAzLwIzLt92YucmbvRWdo5Cd0FmL0E2LvoDc0RHa.jpg "林元慶[原百度深度學習實驗室主任]")
人物經歷
林元慶林元慶擁有清華大學光學工程碩士學位，並於2008年獲得賓夕法尼亞大學電子工程博士學位。在賓夕法尼亞大學讀博士期間，主攻機器學習方向，其間創造性的提出了基於L1-norm的貝葉斯稀疏學習(BayesianSparseLearning)，並在其理論和套用上進行了深入的探索，在攻讀博士期間在頂級國際會議和期刊共發表了12篇論文。在2007年，論文被NIPS大會接收做大會報告(oral)。
2008年加入NEC美國實驗室，主攻研究機器學習在計算機視覺領域的套用。2010年，林元慶帶領NEC-UIUC團隊在第一屆的ImageNet大規模視覺識別挑戰賽上獲得第一名。
2012年，林元慶擔任NEC美國實驗室媒體分析部門主管，主攻兩個研究方向：一是基於移動雲的大規模細粒度圖像識別，二是自動駕駛的3D視覺感知。2012年，獲邀在矽谷的年度BayAreaVisionMeeting（矽谷年度關於計算機視覺的學術討論會）進行關於細粒度圖像識別的主題報告。2013年，林元慶帶領NEC團隊在ImageNet大規模物體檢測挑戰賽上獲得第二名。2014年，團隊的無人車視覺技術在KITTI自動駕駛benchmark上的物體檢測、物體跟蹤及單眼視覺里程計共三個方向上都取得第一名的評比結果。2014，林元慶再次獲邀在矽谷的年度BayAreaVisionMeeting做關於無人車計算機視覺的主題報告。由於在無人車計算機視覺領域的突出貢獻，林元慶獲邀在IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems2016做大會的主題報告。在他擔任部門主管期間，團隊的頂級論文（比如在三大計算機時間頂級會議CVPR,ICCV和ECCV接收為oral的論文）數量獲得數倍的提升，團隊成員還獲得了CVPR2014的年度最優秀論文獎。他的團隊不僅研究成果突出，而且還在研發成果的商業化上碩果纍纍。團隊在2012~2015年期間四次獲得NEC公司技術商業化貢獻獎。
2015年11月，林元慶加入百度擔任深度學習實驗室（IDL）主任。百度深度學習實驗室是百度研究院成立最早和規模最大的實驗室，在北京、深圳和美國矽谷都設有分實驗室，專注於深度學習、圖像/視頻理解、3D視覺、人機互動、自動駕駛等領域核心技術的研發，是百度人工智慧技術研發隊伍中的排頭兵。據林元慶介紹，百度深度學習實驗室目前在做大約十個方向的研究，包括機器學習（PaddlePaddle深度學習開源框架和PULSAR機器學習平台）、圖片搜尋、圖像基礎技術、人臉識別、OCR（光學字元識別）、視頻分析、learningrobot、細粒度圖像識別、AR以及醫療圖像分析。林元慶的主要研究方向涵蓋了機器學習和計算機視覺，2015年曾擔任NIPS（神經信息處理系統大會）的領域主席。IDL在他的帶領下迅速擴大，研發人數在2016年翻了一倍。
2017年10月26日，林元慶於國慶前提交離職申請，離職創業去了。
學術著作
ExploitAlltheLayers:FastandAccurateCNNObjectDetectorWithScaleDependentPoolingandCascadedRejectionClassifiers
FanYang,WongunChoiandYuanqingLininCVPR2016
Fine-GrainedImageClassificationbyExploringBipartite-GraphLabels
FengZhouandYuanqingLininCVPR2016
Fine-GrainedCategorizationandDatasetBootstrappingUsingDeepMetricLearningWithHumansintheLoop
YinCui,FengZhou,YuanqingLinandSergeBelongieinCVPR2016
Data-Driven3DVoxelPatternsforObjectCategoryRecognition
YuXiang,WongunChoi,YuanqingLinandSilvioSavareseinCVPR2015；oral
Hyper-classAugmentedandRegularizedDeepLearningforFine-grainedImageClassification
SainingXie,TianbaoYang,XiaoyuWangandYuanqingLininCVPR2015
Fine-GrainedVisualCategorizationviaMulti-stageMetricLearning
QiQian,RongJin,ShenghuoZhuandYuanqingLininCVPR2015
RegionletsforGenericObjectDetection
XiaoyuWang,MingYang,ShenghuoZhuandYuanqingLininICCV2013;oral
DenseObjectReconstructionwithSemanticPriors
SidYingzeBao,ManmohanChandraker,YuanqingLinandSilvioSavareseinCVPR2013;oral
Object-centricSpatialPoolingforImageClassification
OlgaRussakovsky,YuanqingLin,KaiYuandFei-FeiLiinECCV2012
Multi-ComponentModelsforObjectDetection
ChunhuiGu,PabloArbelaez,YuanqingLin,KaiYuandJitendraMalikinECCV2012
LearningImageRepresentationsfromthePixelLevelviaHierarchicalSparseCoding
KaiYu,YuanqingLinandJohnLaffertyinCVPR2011
Large-scaleImageClassification:FastFeatureExtractionandSVMTraining
YuanqingLin,LiangliangCao,FengjunLv,ShenghuoZhu,MingYang,TimotheeCour,KaiYuandThomasHuanginCVPR2011
DeepCodingNetwork
YuanqingLin,TongZhang,ShenghuoZhuandKaiYuinNIPS2010
LearningsparseMarkovnetworkstructureviaensemble-of-treesmodels
YuanqingLin,ShenghuoZhu,DanielD.LeeandBenTaskarinAISTATS2009
Blindchannelidentificationforspeechdereverberationusingl1-normsparselearning
YuanqingLin,JingdongChen,YoungmooKim,andDanielD.LeeinNIPS2007;oral
Blindsparse-nonnegative(BSN)channelidentificationforacoustictime-difference-of-arrivalestimation
YuanqingLin,JingdongChen,YoungmooKim,andDanielD.LeeinWASPAA2007;oral
Multiplicativeupdatesfornonnegativequadraticprogramming
FeiSha,YuanqingLin,LawrenceK.Saul,andDanielD.LeeinNeuralComputation,19(8):2004-2031(2007)
BayesianRegularizationAndNonnegativeDeconvolution(BRAND)forroomimpulseresponseestimation
YuanqingLin,DanielD.LeeinIEEETrans.SignalProcessing,54(3):839-847(2006)
BayesianRegularizationAndNonnegativeDeconvolution(BRAND)foracousticechocancellation
YuanqingLin,DanielD.LeeinIEEETrans.SignalProcessing,54(3):839-847(2006)
BayesianRegularizationAndNonnegativeDeconvolution(BRAND)foracousticechocancellation
YuanqingLin,DanielD.LeeinWASPAA2005
Bayesianregularizationandnonnegativedeconvolutionfortimedelayestimation
YuanqingLin,DanielD.LeeinNIPS2005
主要觀點
“IDL希望將人工智慧核心技術能做到統治級別，通過深度學習技術，不僅要做好圖像識別基本技術（圖像搜尋、OCR、人臉識別），還要實現細粒度圖像識別（如菜品識別）、視頻分析、AR、醫學圖像分析等方面的突破。他認為，很多關鍵技術的決戰期將是接下來的1-3年。”
——來源：2016中國人工智慧大會
“人工智慧這個行業，我認為是要大家一起往前發展，開放非常重要。比如我們的OCR(光學字元識別)技術，不說是世界最好的，但在國內肯定是最好的。開放後，大家就可以不用再去做了，直接可以在這個基礎上繼續建設。”
——來源：2016年8月，林元慶接受澎湃新聞採訪
