2017年11月23日下午，由中国计算机学会计算机视觉专委会主办，西安交通大学数学与统计学院承办的第43期CCF-CV走进高校系列报告会“计算机视觉和机器学习前沿技术及应用”在西安交通大学逸夫科技馆成功举行。本期报告邀请了西安电子科技大学高新波教授、哈尔滨工业大学左旺孟教授、悉尼科技大学杨易教授、浙江大学李玺教授以及重庆邮电大学高陈强教授出席活动并作精彩报告。报告会执行主席西安交通大学数学与统计学院孟德宇教授和西安电子科技大学计算机学院苗启广教授、公茂果教授主持。来自西安交通大学、西安电子科技大学等100多位师生参加此次会议，聆听了计算机视觉领域的前沿技术成果和最新动态介绍。

左旺孟教授的报告题目是“多视觉领域学习：多域融合、跨域交叉与域间转换”。基于不同领域视觉数据关联和综合利用的视觉分析模型近年来获得广泛的关注，左教授首先简述了多领域数据对计算机视觉学习带来的机遇与挑战，然后结合深度图像质量增强和人脸图像智能填充，介绍了课题组在多域融合方面的研究进展。随后，通过跨域图像特征表达与度量学习的联合模型介绍了跨域交叉的多视觉领域学习；最后，左教授针对数据层面和特征层面，分享了课题组在域间转换和领域自适应方向的最新研究成果。

高陈强老师的报告题目是“红外图像/视频目标检测及智慧校园中的视觉分析”。依靠探测物体热辐射的红外被动成像具有诸多优势，如可全天候成像、探测距离远、受环境光影响相对较小、保护隐私等。围绕远距离红外小目标检测和红外监控视频中的行为识别与检测等任务，高教授分享了课题组在红外视觉分析领域的研究进展。同时，报告还介绍了基于视觉的教室人数分析、课堂学生姿态检测等应用，展现了视觉分析在智慧校园中的巨大应用价值。

李玺教授的报告题目是“基于可解释深度学习的行人再识别研究”。行人再识别是计算机视觉领域的热点研究方向，其在智能安防和视频物联网等领域具有广泛的应用价值。李教授首先回顾了深度学习在行人再识别研究方向上的主流方法，深入系统地剖析了其内在属性和特点。然后针对深度学习缺乏足够强的可解释性，分享了课题组提出的一系列具有可解释性的深度行人再识别方法，并通过具体应用展示了可解释性深度学习方法在行人再识别领域的灵活性与实用性。

杨易教授的报告题目是“Resource Constrained Image/Video Representation”。基于大规模视频数据集的事件检测面临诸多挑战，尤其是可利用的硬件资源有限时，算法的效率将受到很大制约。针对这一问题，杨教授首先介绍了两种基于深度卷积神经网络的视频表示方法，有效提高了视频分析的算法精度和计算性能。然后介绍了一种加速卷积神经网络推理过程的低成本协同网络结构。该结构在保持网络推理能力的前提下，能够显著提高复杂网络结构的计算速率。

高新波教授的报告题目是“人机混合智能的思考与实践”。首先，高教授从技术、科学和哲学三个层次回顾了人工智能的起源，通过分析人工智能与人类智慧之间的差异与互补性，引出了人机混合智能的思考。然后从物理–信息系统出发，结合物理–信息–人类社会系统及其相对应的物理–信息–认知三元空间的融合，介绍了西安电子科技大学在人–机–环融合系统的科研进展，并通过三元空间融合的异质人脸识别系统展示了人机混合智能方法在安防领域的巨大应用前景。最后，高教授提出了人工智能发展的几个可能的研究方向，并通过现场精彩互动展望了人工智能的未来。

此次CCF-CV走进高校系列报告会，各位专家深入浅出的报告，为现场听众奉献了一场学术盛筵。报告会持续了四个多小时，会场互动热烈，精彩纷呈。会后，与会人员对五位专家和举办方示以由衷的感谢，报告会在热烈的掌声中圆满结束。

CCF-CV 网站：http://ccfcv.ccf.org.cn/  

CCF-CV公众号：

【活动背景】自2015年11月起，CCF计算机视觉专委会(CCF-CV)在全国范围内率先开展走进高校系列报告会、走进企业系列交流会等特色活动，在学术界、工业界产生了热烈反响，受众遍及祖国大江南北。CCF计算机视觉专委会欢迎各兄弟学会、专委会借鉴，共同推动我国相关领域的学术繁荣和产业发展！