2019年8月26日，美国俄勒冈州立大学李伏欣博士应模式识别国家重点实验室之邀做了题为“Some Thoughts and New Designs of Convolutional and Recurrent Architectures”的报告。报告由胡包钢研究员主持。 

　　李伏欣现为美国俄勒冈州立大学School of Electrical Engineering and Computer Science助理教授，2009年于中科院自动化研究所获工学博士学位，其博士学位导师为王珏研究员。李伏欣读博期间于2007年发表了我所在ICML会议上的第一篇论文。博士毕业后，先后在德国波恩大学和美国佐治亚理工学院任研究职务，研究方向为机器学习和计算机视觉。曾于2009-2012年在图像物体识别界最重要的PASCAL VOC竞赛的分割项目上连续四年获得冠军。并获得美国自然科学基金CAREER award。已在国际著名的杂志和会议上发表40余篇论文。 

　　李伏欣博士介绍了其团队近几年部分研究成果的介绍，包括深度网络理解、视频分割、多目标跟踪、点云深度网络等问题。相关研究工作兼具深度及启迪性，拓宽了与会人员的思路，其中的许多实例都能够带给业内研究人员更多的思考。目前该工作仅仅出现在arXiv上。

　　胡包钢研究员表示，学术界与工业界研究的最大不同是学术界研究工作应该比工业界研究工作更为前瞻，特别是目前计算机视觉领域中广泛应用深度学习方法中，我们不能简单的以拼性能指标为目标，这是工业界的追求，学术界研究工作应该侧重深度学习方法的内在理解。这也是此次报告的主题内容。可以理解，在保证生存情况下，我们更应该追求前瞻性的，能够让人感到耳目一新的研究工作，即使当时不能被同行认可，也应坚持。