欢迎来到加倍考研网! 北京 上海 广州 深圳 天津
微信二维码
在线客服 40004-98986
推荐适合你的在职研究生专业及院校
中国科学院自动化研究所复试名单,清一色985,普通本科入围抢眼合气于漠

中国科学院自动化研究所复试名单,清一色985,普通本科入围抢眼

最近考研的同学最关心就是复试的问题,不少学校都已经公布了复试分数线已经复试的安排。最近看到中国科学院自动化研究所的复试名单,可谓是“神仙打架”。2020年中国科学院自动化研究所复试名单第一名哈工大的同学真厉害,436分初试第一名,力压清华、北大、浙大、武大华科这些985院校。这一份复试名单中的学校,清一色的都是985的院校,211的都比较少,普通本科院校的尤其显得抢眼。像排第八名的石家庄铁道大学的这份同学,就很优秀。还有后面的广西民族大学这位同学,同样很厉害。2020年中国科学院自动化研究所招生计划在2020年的招生简章中看到的招生计划:2020年本所计划招收硕士研究生105人(含专业学位硕士),其中,推免生招收87人(已经在推免阶段招收完毕),统考硕士招收18人(预计招收学术型硕士14人,专业型硕士4人)。除此之外,自动化所招收中国科学院大学人工智能学院非全日制硕士研究生,预计招收80名左右。推免的人数占了大部分,统招的名额很少了。而我们看见复试名单山人数不少,有60多人参加复试,复试被刷的人数不少。所以这些同学应该有一个心理准备,不过要是985院校的复试没过,调剂也去不了什么好学校,多半还是选择二战。普通本科院校也能考出好成绩普通本科学校出身的同学,也不要妄自菲薄,普通本科院校的同学也有考得很不错,进入复试的。打铁还需自身硬,关键在于实力。要是大家学校,有的像这样的复试比例,大家应该多做点准备。谁都想上一志愿,可以还要过复试这一关,适当的关注下调剂信息,不然复试一旦没过,真是难了。大家好好准备复试吧,加油,早日上岸!

大接访

中国科学院大学2020拟录推免生4880人,哪个研究所录取人数最多?

中国科学院大学可能很多人都不是很了解这是一所什么样的学校?中国科学院大学前身是中国科学院研究生院,成立于1978年,之后一直有招生研究生的计划,2012年6月,中国科学院研究生院更名为中国科学院大学,一般简称为“国科大”。2014年,国科大开始招收本科生,形成了覆盖本、硕、博三个层次的高等教育体系。中国科学院大学的研究生招生机构包括了所有的中国科学院直属研究机构,国科大由北京四个校区(玉泉路、中关村、奥运村、雁栖湖)、北京外五个教育基地(上海、广州、武汉、兰州、成都)和分布在全国的116个培养单位组成。我们经常耳熟能详的中国院某某研究所实际上就是属于国科大的研究生培养机构。中国科学院大学2020年拟录取推免生研究生4880人,其中从录取的研究机构来看国科大录取的4880人推免生分布在129个院系和研究所之中。空天信息创新研究院录取人数最多,有315人,信息创新研究院是2017年,在中国科学院电子学研究所、遥感与数字地球研究所、光电研究院的基础上整合组建而成的研究机构。其次是计算技术研究所,拟录取了209人。计算所创建于1956年,是中国第一个专门从事计算机科学技术综合性研究的学术机构。信息工程研究所录取了193人,物理研究所录取了155人,自动化研究所录取了138人。具体如下:对于4880人的本科学校,我在之前的文章中也做过分析,还是在附在后面让大家看一下。生源学校中,山东大学数量最多,有155人;其次是清华大学,有135人;国科大本校有129人,之前看到有评论说为什么国科大的数量比较少,因为国科大目前本科招生的数量很少。下次有时间再统计一下清北高校的推免生录取在哪些研究机构之中。睁眼看教育原创作品!

其主君也

中科院自动化研究所孙哲南确认参加2018大湾区国际科创峰会(BATi)

2018年10月18日-19日,由深圳市科创委员会指导,亿欧公司主办的“引擎·引领” 2018大湾区国际科创峰会(BATi)将于深圳盛大召开。中科院自动化研究所研究员、博士生导师,中国科学院大学人工智能技术学院教授孙哲南,确认参加“引擎·引领” 2018大湾区国际科创峰会(BATi)。【人物介绍】计算机视觉、人工智能、模式识别.....这些走在时代前沿,并在人工智能产业中发光发热的新技术,是孙哲南博士的主要研究方向。中科院自动化研究所研究员 孙哲南在科研工作中,孙哲南博士主持国家自然科学基金4项,国家863计划项目1项,入选北京市科技新星计划,在国际期刊和会议发表学术论文100余篇,申请发明专利28项,获得14项软件著作权,虹膜识别科研成果获得国家技术发明二等奖和国家专利优秀奖,个人获得中科院卢嘉锡青年人才奖。在高校科研优秀成果转化的过程中,孙哲南博士主持研发的虹膜识别和人脸识别核心技术孵化了三家高科技公司,相关产品在煤矿、银行、军事、公安、手机等领域推广应用。中国科学院自动化研究所,是我国最早成立的国立自动化研究机构,其科研部门,同时也是孙哲南博士所供职的模式识别国家重点实验室,承担着百余项科研项目,其中包括国家重点基础研究计划“973”项目,国家自然科学基金重大、重点和面上项目、杰出青年科学基金项目和创新群体项目等等。中国科学院院士谭铁牛为学术委员会主任。【生物识别】在生物识别领域,孙哲南博士深耕多年。目前,市面上主流的生物识别技术分别是:人脸识别、指纹识别、虹膜识别和掌纹识别。生物识别技术在安防产业大放光彩,最直接原因是它使我们的生活更加高效,更加便捷:在警务领域,它是追拿罪犯的关键技术;在智慧园区领域,它是快速通行、本地生活的帮手;在金融、政务领域,它是维护信息安全的先进手段。多模态生物特征检验,是生物识别发展的主要方向。多模态,顾名思义,是指纹、人脸、虹膜、掌纹、体态等单一生物特征模态的融合,实现1+1大于2的效果,创造出用更智能化、人性化的系统,更精准高效地确定人物身份。据前瞻产业研究院《2018~2023年中国生物识别技术行业市场调研与投资预测分析报告》数据,2016年生物识别技术行业的市场规模在150亿美元左右。深入认识生物识别技术,了解其在产业中落地的可能性,掌握行业先进动态,用数字化、智能化的信息手段赋能改造传统行业,迎来新一轮升级发展,是科研机构及走在市场一线的企业最关心的事情。未来,粤港澳大湾区人工智能技术以及人工智能企业,在安防领域的发展方向在哪里?如何挖掘企业潜力?相信你有很多的疑惑或见解。欢迎来到现场,共话智慧生活。【报名链接】:https://www.iyiou.com/a/bati2018?herkunft=6661【大会介绍】在“粤港澳大湾区”成为国家发展战略、规划纲要即将出炉的大背景下,由亿欧公司主办的“2018大湾区国际科创峰会”(Bay Areas Tech Innovation Summit, 简称BATi)将于10月18-19日在深圳举行。深圳市科技创新委员会作为本次峰会的指导单位,梁永生主任将出席会议并作致辞。深圳市科技创新委员会作为深圳市的科技行政主管部门,大力夯实科技创新基础、推动创新举措落地、完善创新生态体系,推动科技创新由跟跑、并跑,向领跑迈进。在这个时代,不论信息如何发达,走在科技最前沿,对于科技理解最深刻的永远都是奋斗在科研一线的专家学者,他们知晓未来技术将创造什么样的新机遇,也明了其将带来什么样的新挑战。“2018大湾区国际科创峰会(BATi)”将邀请人工智能、生物医药等多个领域的专家学者出席,带来最前沿技术的解读。随着一大批科创企业纷纷登陆资本市场,创业创新进入了一个新阶段。新阶段,如何把握新趋势就至关重要,“2018大湾区国际科创峰会(BATi)”将邀请IDG资本合伙人牛奎光、高榕资本创始合伙人高翔等投资大佬齐聚峰会圆桌,分享创业创新的新方向。2018年以来,智能产品、新消费品牌大量出现,作为科技中心和消费中心,“粤港澳”在这两方面的优势得天独厚,一大批创业公司崛起:大疆、优必选、碳云智能、商汤科技等,将在“2018大湾区国际科创峰会(BATi)”上集中展示。此外,为促进“粤港澳”融合,将有专门的环节,使香港、澳门和内地的青年创业者将在峰会上进行对话。2018年10月18日、19日,我们期待与您相聚于这场2018大湾区顶级科创峰会,共同开启世界新硅谷——粤港澳大湾区的新篇章!更多活动详情:https://www.iyiou.com/a/bati2018?herkunft=6661

小乙

推免结果出炉,他从顶级985推免到双非高校,网友却说:赚大了!

推免结果出炉,他从顶级985推免到双非高校,网友却说:赚大了!在我国,每年都会有一批优秀的应届毕业生不用参加研究生统招而直接读研,他们被称为“推免生”,推免时间一般在9月下旬进行,到9月底左右,各高校推免结果会相继公布,考生可自行查询。9月28日凌晨,今年推免工作开始,推免生可在网上接收并确认招生单位的复试或待录取通知。有一位大学生网友在网上分享了自己的经历,他早晨六点开始便在电脑前等推免结果直到确认被录取。这位大学生的本科院校为上海交大,一所顶级985大学,但他却被一所双非高校录取。众所周知,我国电气专业领域内有传统的“二龙四虎”六所高校,其中“二龙”是指华北电力大学、武汉水利电力大学(现并入武汉大学),“四虎”指清华大学、西安交通大学、浙江大学、华中科技大学。上海交大虽然不在“二龙四虎”之列,但实力仍不可小觑,毕业生非常抢手,这位大学生为何放弃在本校继续深造,选择一所211高校呢?其实,这位大学生获得推免的高校并非是普通双非高校,而是我国最牛的双非高校——中国科学院大学自动化研究所,专业为模式识别与智能系统,直博,看到录取信息,这位考生乐坏了!中国科学院大学培养了中国的第一个理学博士、第一个工学博士、第一个女博士、第一个双学位博士,所培养的学生有108名当选为两院院士,实力强悍。虽然不是985不是211,但是国科大背靠中科院,无论是学科实力,还是高考录取分数线,都超越了绝大部分985。而且,这位大学生的专业为模式识别与智能系统,主要应用于人工智能,计算机技术的新兴技术学科,是近几年来非常热门的新学科。虽然从顶级985高校推免到双非高校,但网友普遍认为:这波不亏,反而赚翻了,本科985自动化研究所博士,毕业之后年薪最起码50万起步!最后,我们祝这位幸运的大学在国科大的这五年能够继续努力,取得令人满意的成绩。同时,祝所有推免生都能被自己心仪的大学录取!上交推免到国科大,你觉得这位考生赚了吗?欢迎留言交流。

麦克斯

院校分析:中科院自动化所和经济与管理学院

高校简介中国科学院大学(University of Chinese Academy of Sciences)简称“国科大”,入选国家“双一流”世界一流学科建设高校、“基础学科拔尖学生培养试验计划”,是环太平洋大学联盟、京港大学联盟、科技大学联盟、中国高校行星科学联盟成员,首批学位授权自主审核单位之一。国科大的前身是中国科学院研究生院,成立于1978年,2012年6月更名为中国科学院大学。2014年,国科大开始招收本科生,形成了覆盖本、硕、博三个层次的高等教育体系。中科大经济与管理学院成立于2001年。学院设有6个系、11个学术研究中心和3个部级重点实验室。经济与管理学院有统计学、企业管理、金融学、金融、管理科学与工程、创新管理和工商管理7个专业。经济与管理学院现有在读博士、研究生1000余名,在读MBA学生500余名,聘请企业导师100余名。2020年中国科学院大学经济与管理学院各专业推免数据分析各专业推免人数对比中科院经济与管理学院一共在五个专业招收推免生,分别为统计学、企业管理、金融学(学硕)、金融(专硕)、管理科学与工程,其中金融占比最大。统计学招生数量少,只招收一人。生源院校类别比例中科院经济与管理学院2020招收40位推免生,以985、211生源为主(占比82%),双非院校生源相对较少(占比18%)生源校及招收生源人数985院校北京大学(1)、北京理工大学(1)、湖南大学(2)、华东师范大学(1)、华南理工大学(1)、华中师范大学(1)、吉林大学(1)、南京大学(1)、南开大学(1)、厦门大学(1)、山东大学(1)、四川大学(1)、武汉大学(1)、西北工业大学(1)、浙江大学(1)、中国人民大学(1)211院校南京航空航天大学(1)、北京交通大学(1)、西北大学(1)、中国矿业大学(北京)(1)、中国政法大学(3)、中央财经大学(1)、西南交通大学(2)、郑州大学(1)双非院校东北财经大学(2)、河南大学(1)、南方科技大学(1)、山西财经大学(1)、湘潭大学(1)、中国社会科学院大学(1)从生源本科院校来看,中科院力学所的生源非常平均分散,生源并未受中科院力学所地理区位(北京)影响。各地区各大学生源人数近似相等,并未出现人数位差。各专业招收生源人数比例2020年中科院经济与管理学院管理科学与工程生源平均,以商科、文科强校居多。有一个双非生源本科学校,南方科技大学(1人) 。2020年中科院经济与管理学院金融生源中双非院校有4人,来自河南大学、山西财经大学、湘潭大学和中国社会科学院大学。2020年中科院经济与管理学院金融学生源中双非院校仅有一人,来自东北财经大学。2020年中科院经济与管理学院企业管理招生量少,报考不确定因素较多,生源学校均来自211,985。五位生源本科学校分别为:北京科技大学(1)、武汉大学(1)、郑州大学(1)、中国人民大学(1)、西安交通大学(1)统计学专业只招收一人来自浙江大学。2020年中科院自动化所推免数据分析自动化研究所简介自动化所自建所以来,已为我国人工智能学术与产业界培养了大量的优秀人才,硕果累累,他们现如今活跃在人工智能、机器人领域的高校、科研院所及企业中。截至2017年底,自动化所共有在职职工896人,其中科技人员795人,科技支撑人员54人。包括中国科学院院士2人、发展中国家科学院院士1人、研究员及正高级工程技术人员92人,副研究员及高级工程技术人员229人。共有国家973项目首席科学家4人,IEEE Fellow 8人;中国科学院“百人计划”入选者22人,“西部之光”人才入选者2人;国家杰出青年科学基金获得者14人,国家优秀青年基金获得者5人,新世纪百千万人才工程入选者9人。自动化所是1981年国务院学位委员会批准的首批博士、硕士学位授予权单位之一,现有控制理论与控制工程、模式识别与智能系统、计算机应用技术和社会计算4个专业二级学科博士、硕士研究生培养点,并设有控制科学与工程1个专业一级学科博士后流动站。各专业推免人数对比中科院自动化所一共招收5个专业,分别为社会计算、模式识别与智能系统、理论与控制工程、计算机应用技术和电子信息。其中模式识别与智能系统招收人数最多为67人,社会计算人数最少,仅招收4人。生源院校分析从本科生生源院校来看,自动化所共招收138名学生,绝大多数来自985,211院校,共134人(占97%);极少数来自双非院校,仅有4人(占3%)。生源院校及招生人数中科院自动化所本科生生源院校多为强工科学校,地区分布比较广泛。招收的学生来自211院校多位于北方,尤其北京及其附近。招收人数最多的院校有大连理工大学(9人)、哈尔滨工业大学(9人)、北京科技大学(9人)、西安交通大学(9人);所招双非院校学生极少,仅4人,分别来自天津工业大学、燕山大学、中国科学院大学,均位于北京及其周边。各专业招生人数比例2020年中科院自动化所电子信息专业招收人数多为985、211院校学生,不过其中亦包含双非院校天津工业大学(1人)、燕山大学(1人)、中国科学院大学(1人)。2020年中科院自动化所计算机应用技术专业招收学生均为985、211院校的本科生,大多为211院校学生。除在北京化工大学招收2人外,其余学校仅招收1人。2020年中科院自动所社会计算专业仅招收4人,分别来自四所院校北京邮电大学、大连理工大学、东北林业大学、中国科学技术大学(均为985、211院校)。2020年中科院自动化所控制理论与控制工程专业招收的本科生大多为来自北方985、211院校的学生。山东大学学生最多,招收4人。2020年中科院自动所模式识别与智能系统专业招收人数最多,所招学生均来自985、211院校,其中在大连理工大学(6人)和哈尔滨工业大学(6人)招收人数最多。

自言自语

中科院自动化研究所提出 FaceBoxes:实时、高准确率的 CPU 面部检测器

本文由机器之心编辑,“机器之心”专注生产人工智能专业性内容,适合开发者和从业者阅读参考。点击右上角即刻关注。要想用神经网络有效地进行面部检测等操作,往往需要 GPU 等高速并行的计算设备。如果仅使用 CPU,往往会遇到速度与准确度不能兼得的困境。为了解决这个问题,中国科学院自动化研究所和中国科学院大学的研究者提出了一种名叫 FaceBoxes 的新方法,在保证了 CPU 面部识别的准确度的同时,还做到了实时处理。机器之心对该研究进行了摘要介绍。论文:一种使用 CPU 的高准确度实时面部检测器(FaceBoxes: A CPU Real-time Face Detector with High Accuracy)论文地址:https://arxiv.org/abs/1708.05234尽管面部检测领域已经取得了巨大的进展,但要在 CPU 上满足高表现水平的同时实现实时的速度仍然还是一个悬而未决的难题,因为用于面部检测的有效模型往往需要过高的计算基础。为了解决这个难题,我们提出了一种全新的面部检测器 FaceBoxes,它在速度和准确度上都表现优异。具体而言,我们的方法具有轻量却又强大的网络结构,它由快速消化的卷积层(RDCL:Rapidly Digested Convolutional Layers)和多尺度卷积层(MSCL:Multiple Scale Convolutional Layers)构成。RDCL 可以让 FaceBoxes 在 CPU 上实现实时的速度;而 MSCL 的目的是在不同层上丰富感受野(receptive field)和离散化 anchor,以便处理不同尺度的面部。此外,我们还提出了一种新的 anchor 密度化策略,可以让图像上不同类型的 anchor 具有相同的密度,这可以显著提升小面部的召回率。由此,我们提出的这个检测器在 VGA 分辨率的图像上可以在单核 CPU 上以 20 FPS 的速度运行,也可在单个 GPU 上以 125 FPS 的速度运行。此外,FaceBoxes 的速度不会因人脸的数量发生改变。我们对这种方法进行了全面的评估,并且在 AFW、PASCAL 人脸数据集和 FDDB 等多个面部检测基准数据集上都得到了当前最佳的检测表现。图 1:FaceBoxes 的架构以及我们的 anchor 设计的详细信息表图 2:(a) C.ReLU 模块,其中 Negation 只是简单地为 Convolution 的输出乘上 -1。(b) Inception 模块图 3:anchor 密度化示例。为了清楚说明,我们仅对一个感受野中心(即中心的黑色单元)的 anchor 进行了密度化,并且只标出了对角 anchor 的颜色表 1:不同方法的整体 CPU 推理时间和 mAP 比较。FPS 是在 CPU 上处理 VGA 分辨率图像的速度,mAP 的意思是在 FDDB 上 1000 个假正例的真正例率。要提一下,STN [5] 的 mAP 是 179 个假正例的真正例率,并且使用了 ROI 卷积,它的 FPS 可以提速到 30,而召回率仅会降低 0.6%表 2:FaceBoxes 在 FDDB 数据集上增添不同方法时的结果变化。Accuracy (mAP) 表示 1000 个假正例的真正例率。Speed (ms) 是在 CPU 上处理 VGA 分辨率图像的速度图 4:在 AFW 数据集上的精度召回率曲线图 5:在 PASCAL 人脸数据集上的精度召回率曲线图 6:在 FDDB 数据集上的评估结果

未必贵也

BATi 智慧城市论坛丨中科院自动化研究所孙哲南确认参会

2018年10月19日,由亿欧公司主办的“BATi 智慧城市论坛”将在深圳市南山区万科前海国际会议中心举办。中科院自动化研究所研究员、博士生导师,中国科学院大学人工智能技术学院教授孙哲南,确认参加“BATi 智慧城市论坛”。【人物介绍】计算机视觉、人工智能、模式识别.....这些走在时代前沿,并在人工智能产业中发光发热的新技术,是孙哲南博士的主要研究方向。中科院自动化研究所研究员 孙哲南在科研工作中,孙哲南博士主持国家自然科学基金4项,国家863计划项目1项,入选北京市科技新星计划,在国际期刊和会议发表学术论文100余篇,申请发明专利28项,获得14项软件著作权,虹膜识别科研成果获得国家技术发明二等奖和国家专利优秀奖,个人获得中科院卢嘉锡青年人才奖。在高校科研优秀成果转化的过程中,孙哲南博士主持研发的虹膜识别和人脸识别核心技术孵化了三家高科技公司,相关产品在煤矿、银行、军事、公安、手机等领域推广应用。中国科学院自动化研究所,是我国最早成立的国立自动化研究机构,其科研部门,同时也是孙哲南博士所供职的模式识别国家重点实验室,承担着百余项科研项目,其中包括国家重点基础研究计划“973”项目,国家自然科学基金重大、重点和面上项目、杰出青年科学基金项目和创新群体项目等等。中国科学院院士谭铁牛为学术委员会主任。【生物识别】在生物识别领域,孙哲南博士深耕多年。目前,市面上主流的生物识别技术分别是:人脸识别、指纹识别、虹膜识别和掌纹识别。生物识别技术在安防产业大放光彩,最直接原因是它使我们的生活更加高效,更加便捷:在警务领域,它是追拿罪犯的关键技术;在智慧园区领域,它是快速通行、本地生活的帮手;在金融、政务领域,它是维护信息安全的先进手段。多模态生物特征检验,是生物识别发展的主要方向。多模态,顾名思义,是指纹、人脸、虹膜、掌纹、体态等单一生物特征模态的融合,实现1+1大于2的效果,创造出用更智能化、人性化的系统,更精准高效地确定人物身份。据前瞻产业研究院《2018~2023年中国生物识别技术行业市场调研与投资预测分析报告》数据,2016年生物识别技术行业的市场规模在150亿美元左右。深入认识生物识别技术,了解其在产业中落地的可能性,掌握行业先进动态,用数字化、智能化的信息手段赋能改造传统行业,迎来新一轮升级发展,是科研机构及走在市场一线的企业最关心的事情。未来,粤港澳大湾区人工智能技术以及人工智能企业,在安防领域的发展方向在哪里?如何挖掘企业潜力?相信你有很多的疑惑或见解。欢迎来到现场,共话智慧生活。【活动介绍】2018年10月19日,由亿欧公司主办的“BATi 智慧城市论坛”将在深圳市南山区万科前海国际会议中心举办(报名链接:https://www.iyiou.com/a/bati2018_zhcs)。本次为期1天的“BATi 智慧城市论坛”将邀请30余位大咖进行经验分享,50余家媒体进行活动曝光。预计前来参会的千名观众中,有80%的占比为企业中高层负责人,线上线下触达人次超百万。为什么要来参加“BATi 智慧城市论坛”?论坛旨在推动科技与具体城市智慧化改造场景融合,用科技助力智慧城市发展。本次“BATi 智慧城市论坛”集合了政产学研多方力量,是共同探讨技术驱动智慧城市的一次盛会。论坛将集中讨论AI赋能下的交通与安防两大场景,分析科技创新带来生活便利的同时,还蕴藏着哪些发展机遇;智慧安防与智慧交通将如何改造传统城市,又会发展出哪些城市新生态。为了让广大参会观众更好地了解安防AI创新理念,我们分别从专家解读、巨头创新、新秀崛起、资本助推这四个方面确定了演讲嘉宾的人选。在这场“BATi 智慧城市论坛”上,你会看到:巨头企业海康、大华阐述城市建设AI创新;CV新秀商汤、旷视介绍创企如何抢占市场建立壁垒;还有中科院权威专家带来AI以及各种生物识别的最前沿科技。紧跟“新科技、新理念、新政策”,亿欧重视AI在安防及交通领域的应用落地,推出了“安防创新百人会”以及“智慧交通百佳”两个栏目,采访了众多安防和交通产业链上下游企业,深入透视智慧城市企业发展新机遇。10月19日,相约“BATi 智慧城市论坛”,亿欧携手一众智慧城市建设中坚力量,带你探寻AI创新新机遇!报名链接:https://www.iyiou.com/a/bati2018_zhcs

红蚂蚁

中科院自动化所赫然:大规模人脸图像编辑理论、方法及应用

雷锋网AI 科技评论按:2018 年 4 月 14 日-15 日,中国图象图形学学会围绕「生物特征识别」这一主题,在中科院自动化所举办第四期「CSIG 图像图形学科前沿讲习班」。生物特征识别(BIOMETRICS)技术,是指通过计算机利用人体所固有的生理特征(指纹、虹膜、面相、DNA等)或行为特征(步态、击键习惯等)来进行个人身份鉴定的技术。本期讲习班邀请旷视科技首席科学家孙剑,中科院自动化所研究员孙哲南、王亮、赫然,中科院计算所研究员山世光、清华大学副教授冯建江、徐明星,中山大学教授郑伟诗等八位学者分别就人脸、虹膜、指纹、步态、音纹等人体特征的研究现状做了详细报告。雷锋网 AI 科技评论作为合作媒体针对会议进行报道。会议整体内容请参考雷锋网报道:CSIG 图像图形学科前沿讲习班,旷视和中科院带来生物特征识别精彩报告(一)CSIG 图像图形学科前沿讲习班,山世光等四位学者带来生物特征识别精彩报告(二) 本篇文章为讲习班报告第三篇,由中科院自动化所研究员赫然讲解,报告题目为:大规模人脸图像编辑理论、方法及应用。赫然:2009年毕业于中科院自动化所,获博士学位。中国科学院自动化研究所模式识别国家重点实验室研究员,中国科学院脑科学与模式技术卓越创新中心年轻骨干。2017年至今,担任中国科学院大学人工智能技术学院模式识别教研室副主任。从事模式识别应用基础理论研究,并应用到生物特征识别和智能视频监控,在智慧城市监管需求的平台上取得成功应用,取得一定经济效益。近期主要聚焦在生成式深度学习及大规模图像编辑中遇到的瓶颈问题,展开图像模式分析基础理论研究。出版信息理论学习专著1部,在IEEE TPAMI、TIP、TIFS、TNNLS、TKDE等权威国际期刊以及NIPS、ICCV、CVPR、IJCAI、AAAI、SIGIR、ACM MM等权威会议发表论文120篇,研究工作获得国家自然科学基金优秀青年科学基金资助。 赫然:大家下午好,我叫赫然。今天的主题是「大规模人脸图像编辑」。这里有两个要点,一是大规模,二是对人脸图像进行编辑。所谓人脸图像编辑,即对输入的人脸图像进行一系列操作处理,在内容和表观上对图像进行重组和编辑,进而创造出完全不同的人脸图像。我们希望机器能够对现有的图像进行自动处理,并且得到一些新的图像,而这些新图像则需要同时符合人的认知和特定的需求。该问题是当前机器学习、计算机视觉重要的研究内容之一,并且在交互娱乐、卫生医疗、公共安全等领域有着广泛的应用场景。今天介绍的内容分为两个部分:第一部分介绍图像编辑涉及的理论基础,第二部分介绍它的方法和应用。一、基础理论1、全光人脸分析在计算机处理图像的过程中,涉及一个基本的概念就是全光函数。它是决定空间中光线呈现形式的因素组成的一个函数,包括光谱信息、时间信息、空间信息、深度信息、亮度信息和方向信息等。如果波长固定,那就是灰度图像,如果有多个波长,那就是彩色图像;如果是时间有变化那么就是视频;空间信息自然不用说了;如果考虑深度信息就是深度成像,在成像时会测量图像的深度信息;如果考虑亮度信息就是高动态图像;如果考虑光线方向,就是光场相机。所有这些组成了全光函数,在人脸识别中我们需要对这个函数有所了解,从而得到比较符合真实世界的图像。目前,我们智能感知与计算研究中心依托国家自然科学基金委重大仪器专项[1]和华为公司合作项目[4][5],已设计和搭建全光人脸采集系统和深度数码变焦图像分析设备。这部分工作主要由中心的张堃博和胡坦浩完成。2、视觉拓扑优先图像编辑的基本研究目标是希望生成/合成的图像是符合人的视觉认知的,通俗而言就是让观察者判断不出这个图像是真实的还是计算机生成的。基于这些考虑,中科院的陈霖院士提出了视觉拓扑优先的概念,他认为人在识别人脸时对拓扑信息的变化的感知优先于其它信息。实际上,对于拓扑结构变化的敏感性是生物感知系统中的基本特性,例如蜜蜂对空心圆和实心圆的拓扑结构变化非常敏感。相关成果发表在《科学》杂志上。视觉拓扑优先机制的数学建模问题一直是一个困难问题,我们中心在国家自然基金委重点基金项目[3]的支持下,深入研究了视觉拓扑优先的多种数学表达形式,例如全局和局部结构、小波分解、heatmap和人脸解析图等。根据拓扑变换的性质,相关的人脸图像编辑任务可以分为拓扑不变任务和拓扑变换任务。3、生成对抗结构这里涉及到最常用的模型是生成模型,即学习联合概率密度分布,它可以从统计的角度表示数据的分布情况,能够反映同类数据本身的相似度。生成模型的主要功能有两个:一是进行密度估计,二是生成样本。生成/合成人脸时,所要的就是生成/合成的人脸和真实人脸相似。生成模型中大家比较熟悉的就是GAN,即生成对抗网络。大家都比较熟悉,我在这里就不再详细介绍了。此外,我们也结合变分自编码机和胶囊模型来研究新的生成式模型。 4、身份保持结构每个人都有自己的身份信息。人脸生成/合成任务自然希望能够保持这个身份信息。在身份保持方面,我们的研究借鉴视觉认知中最基本的概念,即,定序测量(Ordinal Measures,OM)。这是一个基本的度量方式。人类所采用的度量方式主要包含以下四种。生活中,定序测量的思想随处可见。比如我们只需要知道篮球比足球重,至于重多少克则大多数情况下是没有必要知道的。根据 OM 概念,中科院的谭铁牛院士提出一个既简单又好用的方法,即,通过简单的比较大小,实现计算机视觉的复杂特征提取。最初这个研究工作应用到虹膜识别,判断虹膜是否属于同一个人。基本思路就是通过比较大小得到一个特征编码,通过这个特征编码便可以进行分类。目前这种思想已经被广泛应用于计算机视觉中。我们把这种定序测量的方式引入到卷积神经网络的激活函数中。常用的激活函数有两种:ReLU 和Maxout。通常认为,由于 Maxout 需要使用两条直线才能近似 ReLU,因此,Maxout 网络通常是 ReLU 网络大小的两倍以上。而我们这个方法采用的定序测量非常简单,就是比数值大小,谁的值小谁就被抑制掉,因此可以得到一个比较小的卷积神经网络。不同于以前的方法,我们借鉴神经学中一个基本的概念:侧向抑制。这是神经元的激活机制,即通过对比机制来减少临近神经元的激活,同时神经元能够抑制一些神经信号传播,这种方式能够增加神经信号的清晰度。借用这种概念,我们在网络中添加了侧向抑制的机制,以眉毛区域为例,其相邻水平位置激活,相邻竖直位置就会被抑制。引入上述概念后,依托于国家自然科学基金委重点项目[2],我们中心的吴翔等设计了一个轻量级的神经网络 Light CNN [6],该网络具有提炼度高,空间占用小的特点。它在人脸识别以及车辆识别问题上都已经取得了较好的效果。这个网络所具有的结构小而分辨率高的特点能够辅助我们在人脸图像编辑过程中进行身份判别。该工作发表在 IEEE TIFS, 2018 上。目前,该研究工作受到国内外研究者的较大关注,相关代码已经在 github 上公布,依据网络层数不同,分为 LightCNN9 和 LightCNN29 两个版本。以上四个部分就是我们在研究人脸图像的过程中遇到的基础问题。首先,需要对光的结构比较了解,只有了解了光的信息才有比较好的成像效果;其次,因为图像是给人看的,因此生成的图像要符合人的认知;另外,介绍了一种基本的网络结构,即生成对抗网络,来指导人脸图像的编辑;最后是身份保持损失,目的是希望合成后的人脸图像保持原有的身份信息。这四个部分构成了图像编辑的主要基础部分,当然还有一些其它部分。二、方法应用接下来介绍一下我们中心近期做的一些相关研究内容,由于时间关系,主要包括七个主要部分。每个部分在计算机视觉中都是独立的分支,在金融民生或公共安全领域也都有很重要的应用。1、超分辨率第一个是图像超分辨率,即在给定低分辨率(LR)输入的情况下估计出高分辨率(HR)图像的问题。例如摄像头采集的图像一般分辨率比较低,如何对它进行超分,得到一张清晰的图像并保持其身份信息,就是我们所研究的内容。超分算法一般可以分为两大类,一类属于通用的超分算法,例如基于插值的方法、基于图像统计的方法或者基于字典学习等的方法,这类算法适用于所有的图像超分问题。另一类属于特定领域的超分算法,例如基于先验统计的方法,现在也有基于生成模型的方法以及感知损失函数的方法。我们中心的黄怀波等提出在超分的过程中使用小波分解技术[13]。假设超分图像的每个位置在超分时都依赖于原始的图像对应的地方,这样我们的超分算法不会破坏全局信息。通常,超分问题被建模为一个概率问题。在这种模型中,给定输入的图像,直接预测完整的图像,这个预测过程不能保证是不变的。不同于此,我们在训练时输入一张高清的图像,然后进行小波分解,对分解后的图像分别预测,之后再合成完整高清图像,这样得到的结果就可以尽量避免出现偏差。2、视角旋转另外一个比较重要、也是现在各大公司比较关注的人脸视角旋转应用,即将归一化的人脸旋转到任意姿态。例如从一张正脸图像生成侧脸图像;或反之,从采集到的一张侧脸恢复其正脸图像,公安领域常有此需求。 视角旋转有 x、y、z 三个方向,我们目前只考虑左右偏转。如果从单张图像进行旋转的话,这需要「无中生有」,因为有些信息是没有的,所以旋转时结果存在偏差。人脸旋转有两部分研究内容,一部分是 2D 模型,一部分是 3D 模型。既然图像合成比较难,又不能直接预测,因此,我们引入几个局部通路专门负责人脸局部信息的合成,该工作发表在 ICCV 2017 [15]。根据人脸五官,我们引入四个局部通路,再加上一个全局的通路,同时保持全局和局部的拓扑保持不变。局部四个部分进行分别合成,最后再与全局进行融合,得到一个正脸。我们中心在该问题上的后续工作成果[9]发表在 CVPR2018 上。3、上妆去妆另外一个做的比较多的就是上妆去妆。「上妆」自然是希望在拍摄后把人脸进行妆颜美化,去妆则是去除掉图像中的妆容从而变为素颜。作为一个单独的研究问题,上妆去妆从 2009 年开始陆续得到研究者的关注。2018 年,我们中心的李祎等提出利用生成网络来完成去妆[11],并在 AAAI2018 上发表。我们主要希望针对手机用户,使得去妆之后能够得到比较好的视觉结果。跟前面的方法类似,这里仍需要保持拓扑结构,同时我们提出两层对抗网络,采用两个判别器,一个是进行身份信息判别,另外一个对是否为真实图像进行判别。最新的自动上妆工作是2018年美国 Adobe 公司提出的模型。该方法以 cycleGAN 模型为基础,对眼部、唇部和其他面部皮肤分别上妆,之后再把分块上妆结果反贴回原脸。由于该方法在合成全脸化妆效果时使用的是 image warping 方法,因此该方法实际上采用的是一种半生成模型。4、表情编辑表情编辑涉及到两个问题,一个是表情合成,一个是表情去除。2018 年,我们中心的宋凌霄等提出一个新的表情合成/去除的算法[14],包括一下几个基本部分:一、拓扑结构变化,因为眨眼的时候拓扑结构发生变化,因此希望用这个信息指导表情的变化;二、身份保持,我们不希望添加了表情后变成了另外一个人。我们的工作有两个特点,一个特点是能够得到一个真实图像,另外一个是能够识别身份信息。下面是我们方法得到的合成效果。5、年龄变换从娱乐领域而言,预测脸部年龄的变化是一个重要的应用,其基本任务就是如何使人脸图像老化/年轻化。年龄变换在电影中应用比较广泛,例如年轻的演员在电影中变老,或年老的演员需要扮演年轻人等。在公安领域也有应用,比如寻找丢失多年的儿童;当然在隐私防范或生活娱乐中也有很多应用。年龄合成作为计算机视觉的一个分支问题,其研究始于 1994 年。我们中心的李佩佩等在 2018 年提出了一种基于全局和局部的生成方法[12]。做年龄合成时,我们知道一般额头、眼睛以及嘴角变化比较大。因此除了做一个全局通道外,我们还在模型汇总另外添加了三个局部通道,随后将这三个局部通道合起来后再与全局通道融合在一起。同时,我们也使用多个判别器来保证合成结果的视觉效果。这是我们得到的实验结果:6、像素补充接下来的工作是人脸补充,即把遮挡了的人脸补全,这在图像编辑中也有很重要作用。现有方法可以归纳为三类:早期是使用基于补丁的方法,即通过观察缺失内容的上下文信息,从相同图像或外部图像数据库中搜索相似的补丁;其次是基于扩散方程的方法,即利用扩散方程迭代地沿着边界将低级特征从上下文区域传播到缺失区域;第三种则是基于稀疏表示的方法,即如果缺了某块儿区域,便通过编码或者解码,把原始的图像补充上去[8]。2017 年,国外学者进一步研究了基于生成模型的人脸补充,其目的是希望生成的拓扑结构和真实的拓扑结构保持一致。在图像感知的时候,拓扑结构先于其它结构,所以我们考虑把拓扑结构作为先验条件。基于这种考虑,我们中心的宋林森等提出一种新的方法(Geometry-Aware Face Completion and Editing),先预测缺失的地方,随后再把这个拓扑结构跟原图一起输入,来生成真实的图像。7、跨光谱合成所谓跨光谱合成,指根据某种光谱/模态下的人脸图像,直接合成其他光谱/模态人脸 图像的技术。这个技术广泛应用于异质人脸识别,例如下图的可见光图像和近红外图像间的人脸识别。这个问题的挑战和光线有关,一方面不同的图像之间光线差别比较大,而另一方面可用于跨光谱训练的图像数据集也比较小。不过这个领域的研究也比较多,包括基于字典学习的方法、基于补丁映射的方法和基于生成模型的方法等。我们的工作[10]是基于生成模型的方法,发表在 AAAI 2018 上,这应该是第一篇使用GAN模型的跨光谱合成方法。我们构建了生成对抗异质人脸识别模型(AD-HFR),并使用了全局和局部的结构,除了对整个脸部进行生成外,还对眼睛部分进行了专门处理,并且包含了身份保持函数。三、总结本次报告主要介绍了人脸图像编辑涉及的基础理论和应用方法。由于时间关系,基础理论部分还有部分内容没有深入介绍;而在应用部分,今天主要讲了超分辨率等,但还有人脸生成等许多应用没有涉及。事实上人脸图像编辑,是计算机视觉中一个长期的研究目标,当前仍有很多问题没有解决。例如,当前研究的人脸图像分辨率大多是 128×128,随着手机的发展,其分辨率将会越来越高,那么如何编辑更高分辨率的图像?同时,很多场景对精确度的需求也变得越来越高,比如在 3D 重建中,医疗领域希望人脸的深度信息精度能够从 0.1 厘米提升到 0.05 毫米,这样便可以精准估计面部运动和身份信息。另外,一些特殊应用场景会要求生成十几万人乃至几亿人的人脸数据。另一方面,人脸图像编辑也是机器学习的重要研究内容,它的理论学习方法、硬件和软件都需要更大的突破,才能得到符合人类视觉感知的结果。 感谢中心成员张堃博、宋凌霄、吴翔、李祎、胡坦浩、黄怀波、李志航、李佩佩、胡一博和宋林森等人对于本次报告给予的协助和支持。谢谢大家。参考文献[1] 复杂场景中多模态生物特征获取设备. 国家自然科学基金委重大仪器专项.[2] 基于定序测量的物体识别理论和方法. 国家自然科学基金委重点项目.[3] 基于非欧空间的视觉计算理论与方法. 国家自然科学基金委重点项目.[4] 基于深度学习的人脸超分辨率技术合作项目, 华为公司.[5] 多视角人脸图像合成技术合作项目, 华为公司.[6] Xiang Wu, Ran He, Zhenan Sun, Tieniu Tan. A Light CNN for Deep Face Representation with Noisy Labels. IEEE Trans. Information Forensics and Security (2018).[7] Shu Zhang, Ran He, Zhenan Sun, Tieniu Tan. DeMeshNet: Blind Face Inpainting for Deep MeshFace Verification. IEEE Trans. Information Forensics and Security 13(3): 637-647 (2018).[8] Ran He, Wei-Shi Zheng, Tieniu Tan, Zhenan Sun. Half-Quadratic-Based Iterative Minimization for Robust Sparse Representation. IEEE Trans. Pattern Anal. Mach. Intell. 36(2): 261-275 (2014).[9] Yibo Hu, Xiang Wu, Bing Yu, Ran He and Zhenan Sun. Pose-Guided Photorealistic Face Rotation. CVPR 2018.[10] Lingxiao Song, Man Zhang, Xiang Wu, Ran He. Adversarial Discriminative Heterogeneous Face Recognition, AAAI 2018.[11] Yi Li, Lingxiao Song, Xiang Wu, Ran He, Tieniu Tan. Anti-Makeup: Learning A Bi-Level Adversarial Network for Makeup-Invariant Face Verification, AAAI 2018.[12] Peipei Li, Yibo Hu, Qi Li, Ran He, Zhenan Sun. Global and Local Consistent Age Generative Adversarial Networks. ICPR 2018.[13] Huaibo Huang, Ran He, Zhenan Sun, Tieniu Tan. Wavelet-SRNet: A Wavelet-Based CNN for Multi-scale Face Super Resolution. ICCV 2017: 1698-1706.[14] Lingxiao Song, Zhihe Lu, Ran He, Zhenan Sun, Tieniu Tan. Geometry Guided Adversarial Facial Expression Synthesis. CoRR abs/1712.03474 (2018).[15] Rui Huang, Shu Zhang, Tianyu Li, Ran He. Beyond face rotation: Global and local perception gan for photorealistic and identity preserving frontal view synthesis. ICCV 2017.

二柄

这个大学排行榜里,2020-21年国科大竟然跃居前三

目前中国内地高校,第一、第二的霸主位置基本稳定不变,这第三把交椅该由哪个高校来坐,就众说纷纭,站在各自立场,各说各的理。我还曾经看到“2019中国双一流大学排名发布”中,国科大排第3的位置。确实如此,如今中国,各种国内大学的排行榜林林总总,让人眼花缭乱,公说公有理,婆说理更长。但真正公认有影响力的排名并不多。北大、清华目前作为内地大学的冠亚军,几乎无人质疑。但中国国内大学的第三把交椅该让谁坐,总有很大争议,目前貌似有五六所大学有实力排争这个季军。而且国内那些各式排行榜,总有人质疑人为因素和主观因素较多。我认为最有实力竞争第三的,目前比较公认的是华东五校,也就是:上海复旦、上海交大、南京大学、浙江大学、中科大。仅仅从各种指标来看,五所学校谁也不服谁,我觉得,这时候就简单点,相信一句话:群众的眼睛是雪亮的!本人也有点赞同有些热心网友的一种提议:关于大学排名,或许可以考虑重新洗牌,把那些真正为中国梦、国家科技发展,为国家振兴作出过巨大贡献的科学家的母校排在前面,而不是让长期靠政策倾斜而获利的某些大学霸占前矛。经常有人疑问,怎么没见到中国科学院大学(国科大)出现在排名中,不会连国内前50也排不上吧?其实这所特殊的高校一直很低调,不参与各式排名。其实它也是我国一所综合实力非常强悍的高校,是我国最早培养高素质研究生教育的大学,而且一直也没有所谓“985工程大学和211工程大学”说法,但没有怀疑国科大也是我国最难考的一所高校之一。为什么在各类高校排行榜当中,总很少见到中国科学院大学的身影?内行的人就知道,它本身主要以招收研究生和博士为主,直至2014年才开始有本科招生——意即2014年前,中国科学院大学并不招收高考生。只因此不让国科大参加大学排名也不合理,所以有时它也参与大学排名:偶尔的校友会高校排行榜中,也能看到中国科学院大学出在榜单里。但大多数情况下,会参与排名的高校一般有以高校榜单主要以本科教育为主。在各大大学排行榜当中,之所以很少见到中国科学院大学也主要是因为这所高校在前些年并非是以本科教育为主,它前身是中国科学院研究生院,在2014年才开始有了本科阶段的招生计划,形成了本硕博三个层次的教育体系。而各类高校榜单往往以本科教育为评选依据,因此这也是为何中国科学院大学很少出现在各类高校榜单中的主要原因。其实中国科学院大学有许多傲人的成绩:曾培养出了我国第1位工学博士,第1位理学博士以及第1位双学位博士,这所高校不管是在师资力量还是在学科建设实力上都非常强大,稍微夸大点说,它甚至能同清华北大一比高下,难分伯仲。中国科学院大学的实力和优势是国内众多普通高校不能向背的——单说国家顶级实验室一项,在国内就首屈一指。这所高校还有着突出的学科建设实力,拥有多门顶尖学科以及多门王牌专业,国科大有18门学科被评选为A+学科,其材料科学以及化学学科在国内的排名也是首屈一指,另外国科大还有着实力强大的师资力量,这也是国科大能够培养出许多优秀人才的关键。但中国科学院大学一向也较为低调,排不上名无所谓,咱做好自己的分内事。如果要说它的强大,再看一组数据:中科院是正部级单位,下辖国科大(2014始招本科),中科大、上科大等。如果是本科生考研,清北、英国剑桥的学生要进中科院的物理研究所、自动化研究所等都不一定能进。其实,也不用多说,好不好大家都知道。还有前两天,网上爆出国科大五位本科生,4个月造出了芯片——我看了也觉得不可能是真的,但确实是真的!这届学生逆天了。或许这种芯片与高端类相差很大,但能有这么厉害的成绩就不错了。再给他们十年时间,当他们才30刚出头时,情况会怎样?同时也看出,中国科学院大学对于高校之间的角逐并不太感兴趣,但它的实力绝不容小觑。中国科学院大学开始有13门本科专业,这所高校被认为是我国最难考的一所“双非大学”(非985、211),只招收少部分的高考生。考生报考这所大学时,不仅高考成绩需要过录取线,而且中国科学院大学也会衡量考生的高中学业水平考试的成绩以及国科大测试的成绩,在综合评价考生的各种成绩后,才视情况录用。2020国内最新大学排名,国科大竟然跃居前三——这是近期CWUR大学排行榜2020-21的公布!而2020年ESI我国大学最新化学学科实力排名,国科大也排在了第6。可见,国科大虽然并非985和211,却是一所“双一流”大学,能跃居国内排名第三名,不得不说,国科大是有目共睹的:国科大拥有着杰出优秀的师资力量,在岗两院院士282人,专职院士161人,而且设有多项博士、硕士一级学科,属于国内领先的研究型大学。对于我个人的看法,大家是怎么认为的呢?欢迎在下方的评论区留言讨论。

长别离

华为最高201万年薪招顶尖学生

7月23日,华为内部发文公布了由任正非签发的8名顶尖学生的年薪方案。据媒体报道,这8名人员全部为2019届应届顶尖学生,其年薪最低为89.6万元,最高为201万元。中国青年报·中国青年网记者发现,“顶尖学生”所学专业多与人工智能等前沿领域有关。这则《关于对部分2019届顶尖学生实行年薪制管理的通知》(以下简称《通知》)指出,“华为公司要打赢未来的技术与商业战争,技术创新与商业创新双轮驱动是核心动力,创新就必须要有世界顶尖的人才,有顶尖人才充分挥发才智的组织土壤,我们首先要用顶级的挑战和顶级的薪酬去吸引顶尖人才。”《通知》显示,华为此次公布的2019届顶尖学生的年薪中,共分为三个区间,最高的为182万-201万元,其次为140.5万-156.5万元,最低的是89.6万-100.8万元。此次华为招聘的8名博士中,获得最高年薪之一的钟钊是中国科学院大学2014级硕士生、2016级博士生。7月23日下午,中国青年报·中国青年网记者独家采访了他的博士生导师、中国科学院自动化研究所副所长刘成林。刘成林表示,钟钊的培养单位是中国科学院自动化研究所,硕博阶段攻读专业都是“模式识别与智能系统”。刘成林分析认为,之所以钟钊可以获得如此高的年薪,与他的研究方向有关。“他的研究方向比较新,而且实用。他研究的是深度神经网络结构的自动设计,就是让机器自动学习神经网络的结构,相比人工设计的网络拥有更好的性能,也很有发展前景,现在研究这个方向的人也比较少。我想华为是看重这一点。”名单中的何睿同样是中国科学院大学2014级硕士生、2016级博士生,他的培养单位是中国科学院数学与系统科学研究院,所学专业为计算数学。中国科学院大学数学科学学院副院长郭田德教授告诉记者:“这次华为高薪招聘博士毕业生,是我国科技产业界对高层次人才的渴求,是中国科技水平提高的标志。”就在一个月前,华为心声社区贴出华为创始人、CEO任正非6月20日在公司EMT(经营管理团队)内部的讲话。任正非称:“今年我们将从全世界招进20-30名天才少年,明年我们还想从世界范围招进200-300名。这些天才少年就像‘泥鳅’一样,钻活我们的组织,激活我们的队伍。未来3-5年,相信我们公司会焕然一新,全部‘换枪换炮’,一定要打赢这场‘战争’。”当“华为百万年薪招顶尖学生”的消息在网络上引起热议后,刘成林认为这会给一些学生的专业或研究方向选择带来影响。“热门的专业和方向在短期内容易受到关注。但是职业道路想走的更远,还是要看多方面的素质。”刘成林说。郭田德表示,这些毕业生被华为高薪招聘,仅仅代表着他们过去学业优秀。作为学校一方,更看重他们未来对科技发展作出的贡献,看重他们在实际工作中的表现。