中国计算机学会计算机视觉专业组走进高校系列报告会

CCF－CV Series Lectures

南京信息工程大学·南京（第 2期）

2015年11月19日（星期四）9:00-5:00

南京信息工程大学学科3号楼信息与控制学院S410会议室

报告会主题

计算机视觉前沿技术及应用

程 序

8:45签到

9:00报告会开始（上午9：00-11：30，下午 1：30 – 4：45）

特邀讲者：王　亮 博士，中国科学院自动化所研究员

演讲题目：视觉大数据的深度计算

特邀讲者：张勇东 博士，中国科学院计算所研究员

演讲题目：大规模网络多媒体内容与网络空间安全

特邀讲者：熊红凯 博士,上海交通大学教授

演讲题目：信号处理中的稀疏建模和字典学习

特邀讲者：白 翔 博士，华中科技大学教授

演讲题目：深度学习方法在场景文字识别中的应用

特邀讲者：韩军伟 博士，西北工业大学教授

演讲题目：脑神经媒体组学

特邀讲者：张道强 博士，南京航天航空大学教授

演讲题目：脑影像智能分析方法及应用

特邀讲者：袁晓彤 博士，南京信息工程大学教授

演讲题目：稀疏学习优化算法与图像分析若干进展

执行主席：刘青山博士，南京信息工程大学教授

中国计算机学会计算机视觉专业组常务委员

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：Email：heyaqun@nuist.edu.cn (请于11月16日前将参会回执回复至该邮箱，邮件主题请注明“CCF－CV南京信息工程大学报告会回执”)

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），中科院自动化所模式识别国家重点实验室副主任、计算机学会计算机视觉专业组秘书长、图像视频大数据产业技术创新战略联盟秘书长。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。2014年获得国际模式识别学会会士（IAPR Fellow），2015年获得国家杰出青年科学基金。主要从事计算机视觉和模式识别等相关领域的研究。现为《IEEE Transactions on Information Forensics and Security》、《IEEE Transactions on Cybernetics》等国际期刊编委。

报告摘要：本报告首先介绍图像视频大数据的研究背景和意义，引入大规模视觉计算涉及的主要研究问题和潜在研究方向。然后回顾了深度学习的不同发展阶段，介绍近年来来我们利用深度学习在视觉数据分析和理解方面所做的一些代表性研究工作。最后我们给出视觉大数据分析的一些未来发展方向。

特邀讲者张勇东　

博士，研究员，博导，IEEE高级会员，中国科学院计算技术研究所研究员、中国科学院大学岗位教授，中国计算机学会计算机视觉和多媒体专业委员会委员，担任多个知名国际期刊编委，主要从事网络多媒体内容分析与处理技术的研究，作为项目负责人，已承担国家973、863、国家自然科学基金、国家信息安全242计划等二十余项国家级科研课题，在IEEE T-IP、T-MM、T-CSVT等多媒体领域著名学术期刊和会议上发表论文100余篇，拥有授权发明专利40余项。相关研究成果已经在国家网络多媒体监管领域取得大规模应用，作为第一完成人，获得2014年度北京市科学技术奖一等奖和2012年度中国计算机学会科学技术奖。

报告摘要：随着网络多媒体数据爆发式增长，大量有害多媒体内容通过互联网无序传播，危及社会稳定与国家安全，严重影响网络多媒体产业健康发展，加强网络多媒体内容审核成为迫切需求，大规模网络多媒体内容分析技术将在其中发挥重要作用。此报告将重点介绍讲者近年来在面向网络内容安全的大规模多媒体内容分技术上取得的研究进展，包括以内容为中心的分析技术和以用户为中心的分析技术。

特邀讲者熊红凯　

博士，教授，博导，IEEE高级会员，上海交通大学特聘教授，国家杰出青年科学基金获得者，教育部新世纪优秀人才，上海市曙光学者，上海市青年科技英才。2003年获上海交通大学工学博士学位。2007-2008年在美国卡内基梅隆大学担任研究员、2011-2012在美国加州大学圣地亚哥分校担任Scientist。主要从事信号处理、多媒体通信、生物医学信息等相关领域的研究，主持相关国家自然科学基金重点项目2项。2011年，获“上海市技术发明奖”一等奖（第一完成人）；2次入选上海交通大学“SMC-A类晨星青年学者计划”，多次获国际会议最佳论文奖，发表相关IEEE Trans汇刊论文30多篇。

报告摘要：今天的稀疏理论，应用在广泛的领域中。在视觉和学习方向，主要表现为模型选择；在信号处理方向，主要表现为稀疏编码，亦最优线性逼近；本报告希望提供基于图像处理的稀疏建模完整描述，并根据相关的最新研究，重点陈述有关字典学习和基于数据的紧致描述。

特邀讲者白翔　

华中科技大学电子信息与通信学院教授，博士生导师，国家防伪工程中心副主任。先后于华中科技大学获得学士、硕士、博士学位。曾先后访问于美国Temple大学和加州大学洛杉矶分校，入选微软铸星计划。他的研究领域为计算机视觉与模式识别，具体包括目标识别、形状分析、自然场景文字识别及智能交通系统。他已在计算机视觉与模式识别相关的国际权威期刊或顶级会议发表论文30余篇，其中IEEE PAMI 5篇。他的研究工作曾获得微软学者2007，首届国家自然科学基金优秀青年基金的资助。担任中国计算机学会计算机视觉专业组(CCF-CV)常务委员，中国图象图形学学会图象视频处理与通信专业委员会秘书长，视觉与学习青年研讨会（VALSE）指导委员等。担任包括权威杂志PAMI、IJCV等20多种国际知名期刊审稿人和顶级会议CVPR, ICCV, NIPS, ECCV等TPC；担任国际会议IEEE SPAC14Program Co-chair, 视觉与学习青年研讨会2016（VALSE16）大会主席, Frontier of Computer Science的Young AssociateEditor，Pattern Recognition Letter和Neurocomputing的副编辑，PatternRecognition的客座编辑。。

报告摘要：场景文字识别是近年来计算机视觉中兴起的一个热点问题，在图像理解，商品搜索，无人驾驶定位及导航，人机交互及虚拟现实等有着重要的应用价值。本次报告中，我首先会介绍近年来深度学习研究在此领域的研究现状；然后，我将介绍本研究团队在此领域的近期研究成果：基于对称性及自相似性的文字区域检测算法; 基于端到端序列识别网络模型的场景文字识别方法等。最后，对此方向的未来研究趋势作出展望。

特邀讲者韩军伟　

西北工业大学教授，博士生导师，自动化学院副院长，信息融合技术教育部重点实验室副主任。主要研究方向是多媒体信息处理和脑成像分析。在IEEE汇刊和领域顶级的国际会议如CVPR、ICCV、ACM MM、MICCAI等发表学术论文40余篇，论文被引用超过1500次，获得国际会议ACM Multimedia 2010和MICCAI 2011最佳学生论文提名，担任IEEE Trans. on Human-Machine Systems, Neurocomputing等六个国际期刊编委/客座编委。获得国家自然科学基金委优秀青年基金和欧盟玛丽居里国际人才引进基金，入选教育部新世纪优秀人才支持计划和陕西省青年科技新星计划。

报告摘要：人脑是图像/视频内容的最终判定者，随着脑科学技术的飞速发展，可以利用非侵入的磁共振功能成像手段获取大脑在观看多媒体时的反应，这种反应包含大脑的语义层理解信息。“脑神经媒体组学”是一个新的研究方向，利用机器学习理论为手段，实现大脑反应信息对多媒体视听觉特征的指导、优化和融合，达到计算机对于多媒体内容实现接近人脑认知的目的。同时，此研究也探索大脑在多媒体刺激下的工作机制。本报告将汇报“脑神经媒体组学”研究中的一些关键技术及最新进展。

特邀讲者张道强　

张道强，博士，教授，博士生导师。分别于1999年和2004年在南京航空航天大学计算机科学与工程系获学士和博士学位，2006年在南京大学计算机软件新技术国家重点实验室博士后出站。2004年起在南京航空航天大学任教，2008年破格晋升为教授，主要研究方向为机器学习和模式识别技术及应用。2010年至2012年在美国北卡罗莱纳大学教堂山分校（UNC-Chapel Hill）从事脑影像分析及脑疾病早期诊断研究，论文累计被他引4000余次（Google Scholar）。曾获2006年全国优秀博士学位论文提名奖，2012年霍英东基金会第十三届高等院校青年教师奖，2013年江苏省杰出青年基金及2014年国家自然科学基金优秀青年基金。2014年入选Elsevier中国高被引学者榜单（计算机科学）。

报告摘要：近年来，“脑科学计划”吸引了各国政府和公众的广泛关注。脑影像技术是研究脑科学的重要工具之一，在本报告中，我们将首先简要介绍脑影像／脑网络分析的基本方法，然后重点介绍我们近几年在基于机器学习的脑影像／脑网络智能分析方面的相关工作，并介绍其在老年痴呆症等脑疾病的早期诊断中的应用。

特邀讲者袁晓彤　

博士，教授，江苏省大数据分析技术重点实验室副主任。2002年获得南京邮电大学学士学位，2005年获得上海交通大学硕士学位，2009年获中科院自动化所工学博士学位。2009-2013年分别在新加坡国立大学、美国罗格斯大学和美国康奈尔大学从事博士后研究。主要研究方向包括统计机器学习、图像分析、大规模优化等。目前在JMLR，T-PAMI，T-IT，ICML, ICCV，CVPR等国际期刊和会议已发表论文50余篇。

报告摘要：稀疏模型是机器学习和模式分析中广泛采用的一种统计学习模型。该模型假设需要处理的数据存在某种低维结构可以通过模型参数的稀疏性来刻画，具有深刻的理论基础和重要的应用价值。该报告主要介绍讲者及其团队近期来在稀疏学习理论和优化算法方面的若干进展，并介绍基于稀疏随机投影的核学习算法及其视觉应用方面的一些应用研究成果。