过去50多年来，文字识别的研究取得了巨大的进展。深度学习技术使得大类别集手写汉字识别和多语言手写文本行识别精度大幅提高。但是，单字识别研究仍然有意义：一方面好的单字识别器有助于提升文本行识别性能，另一方面有些场合（比如古籍识别）很难对所有类别收集大量样本来训练分类器。

零样本文字识别在只有部分类别样本训练的情况下，可以识别没有训练样本的新类别样本，因而在大类别集、部分类别缺乏样本的情况下有很大的应用价值。

本报告介绍一些零样本汉字识别的研究工作，包括基于部首检测的方法、基于树结构嵌入的方法、基于印刷体原型匹配的方法、基于跨模态度量学习的甲骨文字识别。这些工作显示了零样本识别的初步潜力，但面向古籍文字识别的应用需求，还需开展大量的研究工作。

中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师，中国科学院大学人工智能学院副院长。1989年、1992年、1995年分别在武汉大学、北京工业大学、中国科学院自动化研究所获学士、硕士和博士学位。1996年至2004年先后在韩国科学技术院、日本东京农工大学、日立中央研究所从事博士后和研发工作。2005年起在中国科学院自动化研究所任研究员。2008年获得国家杰出青年科学基金资助。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国内外期刊和学术会议上发表论文300余篇，合著英文专著一本。现任Pattern Recognition期刊和《自动化学报》的副主编，以及多个期刊的编委。任中国人工智能学会副理事长、会士，中国自动化学会模式识别与智能系统专委会主任，中国图象图形学学会常务理事。美国电气电子工程师协会会士(IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)。

方式一： 参与腾讯会议

识别下方左侧二维码或腾讯会议输入会议ID：150 196 699加入；

方式二：进入bilibili直播间观看直播

识别下方右侧二维码或bilibili搜索“自动化学报JAS”关注我们并观看直播；