林元慶，Aibee創始人兼CEO，曾任百度研究院院長，百度深度學習實驗室（IDL）主任，擁有清華大學光學工程碩士學位和賓夕法尼亞大學電氣工程博士學位。在加入百度前，曾任NEC美國實驗室媒體分析部門主管。
林元慶在機器學習和計算機視覺等研究領域擁有多年的研究經驗和顯著的成果。在頂級國際會議和期刊發表論文30餘篇，擁有11項美國專利，曾擔任NIPS大會領域主席、大規模視覺識別和檢索國際研討會聯合主席等。
在百度期間，林元慶致力於搭建算法、數據、套用的閉環，帶領團隊研發極致人工智慧技術。其領導的團隊在多個領域實現了技術上重大進展並且套用到百度的多項產品中去，極大地提升了產品的性能以及用戶的體驗。其帶領的團隊在多項重要計算機視覺技術在國際測試集上取得世界第一名的好成績。
2017年底，林元慶創立行業AI解決方案公司Aibee。
基本介紹
- 中文名：林元慶
- 國籍：中國
- 職業：百度深度學習實驗室原主任
- 畢業院校：清華大學、賓夕法尼亞大學
人物經歷,學術著作,主要觀點,
人物經歷
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(Bayesian Sparse Learning)，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Bay Area Vision Meeting （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Bay Area Vision Meeting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/RSJ International Conference on Intelligent Robots and Systems 2016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、learning robot、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。
林元慶的主要研究方向涵蓋了機器學習和計算機視覺，2015&2017年曾擔任NIPS的領域主席。
2017年3月，林元慶升任百度研究院院長，全面負責百度的矽穀人工智慧型實驗室（SVAIL）、深度學習實驗室（IDL），大數據實驗室（BDL）、增強現實實驗室（ARL）。
2017年9月，林元慶從百度離職。其於11月初創立了行業AI解決方案公司Aibee，致力於從行業用戶的痛點和價值出發，將計算機視覺、語音識別、自然語言理解、大數據分析等多種AI技術進行全方位融合，提供完整的解決方案，從而幫助傳統行業進行AI賦能升級。
學術著作
Exploit All the Layers: Fast and Accurate CNN Object Detector With Scale Dependent Pooling and Cascaded Rejection Classifiers
Fan Yang, Wongun Choi and Yuanqing Lin in CVPR 2016
Fine-Grained Image Classification by Exploring Bipartite-Graph Labels
Feng Zhou and Yuanqing Lin in CVPR 2016
Fine-Grained Categorization and Dataset Bootstrapping Using Deep Metric Learning With Humans in the Loop
Yin Cui, Feng Zhou, Yuanqing Lin and Serge Belongie in CVPR 2016
Data-Driven 3D Voxel Patterns for Object Category Recognition
Yu Xiang, Wongun Choi, Yuanqing Lin and Silvio Savarese in CVPR 2015；oral
Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification
Saining Xie, Tianbao Yang, Xiaoyu Wang and Yuanqing Lin in CVPR 2015
Fine-Grained Visual Categorization via Multi-stage Metric Learning
Qi Qian, Rong Jin, Shenghuo Zhu and Yuanqing Lin in CVPR 2015
Regionlets for Generic Object Detection
Xiaoyu Wang, Ming Yang, Shenghuo Zhu and Yuanqing Lin in ICCV 2013;oral
Dense Object Reconstruction with Semantic Priors
Sid Yingze Bao, Manmohan Chandraker, Yuanqing Lin and Silvio Savarese in CVPR 2013; oral
Object-centric Spatial Pooling for Image Classification
Olga Russakovsky, Yuanqing Lin, Kai Yu and Fei-Fei Li in ECCV 2012
Multi-Component Models for Object Detection
Chunhui Gu, Pablo Arbelaez, Yuanqing Lin, Kai Yu and Jitendra Malik in ECCV 2012
Learning Image Representations from the Pixel Level via Hierarchical Sparse Coding
Kai Yu, Yuanqing Lin and John Lafferty in CVPR 2011
Large-scale Image Classification: Fast Feature Extraction and SVM Training
Yuanqing Lin, Liangliang Cao, Fengjun Lv, Shenghuo Zhu, Ming Yang, Timothee Cour, Kai Yu and Thomas Huang in CVPR 2011
Deep Coding Network
Yuanqing Lin, Tong Zhang, Shenghuo Zhu and Kai Yu in NIPS 2010
Learning sparse Markov network structure via ensemble-of-trees models
Yuanqing Lin, Shenghuo Zhu, Daniel D. Lee and Ben Taskar in AISTATS 2009
Blind channel identification for speech dereverberation using l1-norm sparse learning
Yuanqing Lin, Jingdong Chen, Youngmoo Kim, and Daniel D. Lee in NIPS 2007 ; oral
Blind sparse-nonnegative (BSN) channel identification for acoustic time-difference-of-arrival estimation
Yuanqing Lin, Jingdong Chen, Youngmoo Kim, and Daniel D. Lee in WASPAA 2007; oral
Multiplicative updates for nonnegative quadratic programming
Fei 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 estimation
Yuanqing Lin, Daniel D. Lee in IEEE Trans. Signal Processing, 54(3): 839-847 (2006)
Bayesian Regularization And Nonnegative Deconvolution (BRAND) for acoustic echo cancellation
Yuanqing Lin, Daniel D. Lee in IEEE Trans. Signal Processing, 54(3): 839-847 (2006)
Bayesian Regularization And Nonnegative Deconvolution (BRAND) for acoustic echo cancellation
Yuanqing Lin, Daniel D. Lee in WASPAA 2005
Bayesian regularization and nonnegative deconvolution for time delay estimation
Yuanqing Lin, Daniel D. Lee in NIPS 2005
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
