中国计算机学会计算机视觉专委会走进高校系列报告会

CCF－CV Series Lectures

重庆大学·重庆（第48期）

2018年3月28日（星期三）8:00-12:00

重庆大学A区民主湖报告厅

报告会主题

人工智能：跨媒体视觉大数据分析与理解

程  序

8:00   签到

8:20   重庆大学学校领导致辞

8:30   特邀讲者：陈俊龙（C.L. Philip Chen）博士，澳门大学教授

演讲题目：BroadLearning (宽度学习):An efficient and effective dis criminative incremental learning without the need of deep structure

9:10   特邀讲者：王　亮 博士，中国科学院自动化所研究员

演讲题目：Big Visual Data Analysis

9:50   特邀讲者：朱   策  博士，电子科技大学教授

演讲题目：三维视频的视觉失真检测与处理

10:30  休    息

10:40  特邀讲者：纪荣嵘  博士，厦门大学教授

演讲题目：视觉搜索与识别系统中的紧凑性问题

11:20  特邀讲者：左旺孟  博士，哈尔滨工业大学教授

演讲题目：基于引导学习的图像增强与修复

12:00   报告会结束

执行主席：张　磊  博士，重庆大学通信工程学院研究员，中国计算机学会计算机视觉专委会委员

参加人员：视觉领域专业人士、研究生、媒体、其他有兴趣者

报名方式：wangshanshan@cqu.edu.cn  (请于3月26日前将参会回执回复至该邮箱，邮件主题请注明“CCF－CV重庆大学报告会回执”)

参加方式：免费参加，敬请光临。

参会回执

注：回执仅仅针对外地和外校的人员，本校人员无需提供。

特邀讲者  陈俊龙（C. L. Philip Chen）

博士，国家千人学者,中国自动化学会副理事长，澳门科协副会长，澳门大学讲座教授，科技学院前院长。IEEE Fellow，美国科学促进会AAAS Fellow， 国际系统及控制论科学院IASCYS院士，香港工程师学会Fellow。现任IEEE系统人机及智能学会的期刊主编，曾任该学会国际总主席(2012-2013)。主要科研在智能系统与控制，计算智能，混合智能，数据科学方向。在2018年“计算机科学学科”高被引用文章数目学者中世界排名在前17名。详见https://orcid.org/0000-0001-5451-7230。获 IEEE学会颁发了4次杰出贡献奖，是美国工学技术教育认证会(ABET)的评审委员。澳门大学工程学科及计算机工程获得国际【华盛顿协议】的认证是陈教授对澳门工程教育的至高贡献。担任院长期间带领澳门大学的工程学科及计算机学科双双进入世界大学学科排名前200名。2016年获得母校，美国普度大学的杰出电机及计算机工程奖。

报告摘要：In recent years, deep learning caves out a research wave in machine learning. Without standing performance, more and more applications of deep learning in pattern recognition, image recognition, speech recognition, and video processing have been developed.

The talk is to introduce “Broad Learning” – a complete paradigm shift in discriminative learning and a very fast and accurate learning without deep structure. The broad learning system (BLS) utilizes the power ofincremental learning. That is without stacking the layer-structure, the designed neural networks expand the neural nodes broadly and update the weights of the neural networks incrementally when additional nodes are needed and when the input data entering to the neural networks continuously. The designed network structure and incremental learning algorithm are perfectly suitable formodeling and learning big data environment. Experiments indicate that the designed structure and algorithm outperform existing structures and learning algorithms. Several BLS variations that cover existing deep-wide/broad-wide structures willbe discussed.

特邀讲者  王  亮

博士，研究员，博导，IEEE高级会员、国际模式识别协会会士（IAPR Fellow），模式识别国家重点实验室副主任、图象图形学学会视觉大数据专委会主任、计算机学会计算机视觉专委会秘书长、图像视频大数据产业技术创新战略联盟秘书长、电子学会青年科学家俱乐部副主席。中科院百人计划入选者（终期优秀），国家杰出青年科学基金获得者，国家青年科技奖获得者，中科院脑科学与智能技术卓越创新中心骨干人才，国家重点研发计划项目首席。2004年获中科院自动化所工学博士学位。2004-2010年分别在英国帝国理工学院、澳大利亚莫纳什大学、墨尔本大学及英国巴斯大学工作。主要研究领域是模式识别、计算机视觉、大数据分析等。

报告摘要：In the era of big visual data, effective analysis and understanding of big visual data are of great importance, with a wide range of promising applications in the fields such as monitoring and surveillance, human-machine interaction, biometrics, and so on. This talk will first briefly review the background of big visual data. Then it will comprehensively introduce recent progress of big visual data analysis in terms of three main aspects including datasets, algorithms and computing platforms. Finally, future potential research directions are discussed.

特邀讲者  朱  策

博士，教授，博士生导师，IEEE Fellow。长期致力于视频图像处理的教学与研究工作。 先后担任了8个SCI国际学术期刊编委（其中5个为IEEE期刊，如IEEE Transactions on Image Processing、IEEE Transactions on Circuits andSystems for Video Technology），担任了多个国际学术会议程序委员会主席，包括IEEE ICME 2017的程序委员会共同主席（TPC Co-Chair）并荣获杰出领导奖（Outstanding Leadership Award）。

报告摘要：近年来，三维视频以其身临其境的视觉体验成为视频领域的一个研究热点，它利用双目视差产生立体视觉，从而带给观众立体世界的沉浸感。由于用户端处理方式和观看模式的差异，三维视频视觉失真检测与处理的研究更为复杂或独特。我们针对三维视频的失真检测、多种失真产生的机理及其处理方法开展了工作，研究了基于深度图的虚拟视点合成中空洞及物体边缘失真产生的机理，由此提出了有效的空洞填补及虚拟视点合成方法，得到了更高品质的立体视频。

特邀讲者  纪荣嵘

博士，教授，致力于视觉内容检索与分析的研究。相关工作发表于SCI源期刊论文93篇，包括国际计算机视觉期刊（IJCV）、ACM汇刊与IEEE汇刊43篇、其中JCR一区期刊11篇，中国计算机学会推荐A类国际期刊12篇，A类国际会议长文40篇。申请人所发表论文的Google Scholar引用次数5000余次，H-因子为29，SCI他引合计1300余次，12篇论文入选ESI高被引/热点论文；获2015年黑龙江省自然科学二等奖，2016年教育部技术发明一等奖；获2014年国家优秀青年科学基金支持，入选2015年福建省“闽江学者”特聘教授；主持中央军委科技委前沿创新重大项目，总参谋部十三五预研项目，国家自然科学基金面上项目、科技部行业专项、十三五科技部重点研发计划子课题、总装备部十二五预研子课题等。

报告摘要： 报告将汇报厦门大学媒体分析与计算研究组（mac.xmu.edu.cn）近两年来在面向视觉应用的视觉特征紧凑表示和深度网络压缩中所做的一些工作与成果。首先将介绍2015-2017在PAMI、ICCV、CVPR上发表的一系列排序敏感特征哈希算法。这些算法旨在通过引入大规模无监督排序信息，学习排序敏感的哈希码，以保持原始高维特征空间中的检索信息。其次将介绍在2016年IJCAI上发表的面向人脸和视觉场景解析的深度网络模型应用，以及2017年AAAI上发表的深度模型压缩研究。

特邀讲者  左旺孟

教授、博士生导师。主要从事图像增强与复原、物体检测与目标跟踪、图像与视频分类等方面的研究。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEE Trans.等期刊上发表论文70余篇。

报告摘要： 不同领域的视觉数据的关联和综合利用往往有助于更为便捷地构建高效和实用的视觉增强与分析模型，近年来也获得了越来越多的关注。本报告将重点针对图像增强，介绍我们在结合典型应用，构建典型的局域、非局域和全局引导学习和增强模型方面的进展，主要包括：(1) 综合低质量的深度图和高质量的灰度图，实现深度图像的质量增强；(2) 综合低质量人脸图像和正面的参考人脸图像，实现了参考图像的形变校正和人脸图像的增强；(3) 通过将图像智能填充视为一种特殊的风格转换问题，借助于特征域的非局域搜索提出了一种快速的图像填充模型。

执行主席：张  磊

重庆大学通信工程学院研究员，博士生导师，重庆市生物感知与智能信息处理重点实验室副主任，LiVE智能视觉与学习团队负责人（www.leizhang.tk），CCF计算机视觉专委会委员、CAAI智能服务专委会委员。主要聚焦于迁移学习、深度学习、视觉大数据计算和仿生嗅觉与味觉方面的智能理论与应用研究，部分仿生技术已产品化。主持国家自然科学基金（青年和面上）、香江学者计划人才项目、教育部博士学术新人奖基金、重庆市留学生创新创业支持计划等研究项目13项；以第一或通讯作者发表SCI/EI论文60余篇，其中包括IEEETNNLS/TIP/TMM/TCYB/TIM/TSMCA/TCBB等15篇，中科院一区论文11篇，2篇论文入选ESI高被引论文，发明专利14项。曾任World Research Journal of Bioinformatics主编和Journal of Electricaland Computer Engineering首席客座编辑；担任20余个国际学术会议IEEE TENCON/SSCI/ICCT等会议的最佳论文奖评审主席、荣誉主席、分会主席、重庆地区主席和特邀讲者和IEEE TIP/TIE/TCYB/IEEE TMM/IEEE TIM/IEEETCSVT/IEEE TSMCA/PR等50余个国际期刊审稿人。曾获香江学者奖、重庆市优秀博士学位论文奖、SensorReview杰出审稿人奖、CCBR最佳论文奖、重庆市自然科学优秀学术论文奖，并于2015年入选重庆大学“百人计划”。

会场路线图

地址：重庆市沙坪坝区沙坪坝正街174号重庆大学（A区)民主湖学术报告厅

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！