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

杭州电子科技大学·杭州（第11期）

2016年4月8日（星期五）13:30-18:00

杭州电子科技大学10教304报告厅

报告会主题

计算机视觉前沿技术及应用

程  序

13:30      签到

14:00      报告会开始

特邀讲者：陈熙霖  博士，中国科学院计算技术研究所副所长

演讲题目：手语识别研究

特邀讲者：王 亮  博士，中科院自动化所模式识别国重实验室副主任

演讲题目：Deep Relation Learning

特邀讲者：王井东 博士，微软亚洲研究院主管研究员

演讲题目：Big media data: search and understanding

特邀讲者：汪　萌 博士，合肥工业大学教授

演讲题目：自适应超图构建与学习

特邀讲者：操晓春　博士，中国科学院信息工程研究所研究员

演讲题目：网络空间大数据内容安全

执行主席：俞俊 博士，杭州电子科技大学教授

              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：Email：tanmin@hdu.edu.cn(请于4月6日前将参会回执回复至该邮箱，邮件主题请注明“CCF－CV杭州电子科技大学报告会回执”) 

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 陈熙霖

博士，中科院计算技术研究所研究员，中国计算机学会会士，IEEE Fellow。主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。陈熙霖博士先后获得国家自然科学二等奖一项，国家科技进步二等奖四项。合作出版专著1本，在国内外重要刊物和会议上发表论文200多篇。

报告摘要：手语是聋人使用的重要交流手段之一，提供了丰富的交互信息，自动手语识别为手语使用者与健听者之间的直接交流提供了一种可能。手语中复杂的手势变化对自动识别是一个巨大的挑战。报告将介绍我们在自动手语识别方面的工作以及进展。

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（IAPRFellow），国家杰出青年科学基金获得者，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。主要从事计算机视觉和模式识别等相关领域的研究。现为《IEEETransactions on Information Forensics and Security》、《IEEE Transactions onCybernetics》等国际期刊编委。

报告摘要： Deep learning is a powerful technique which is able to learndiscriminative and task-oriented representations for data contents in variouspattern recognition applications. Recently, it is demonstrated that, deeplearning technique can also be adapted to data relation learning, namely deeprelation learning, by achieving state-of-the-art results in many relationlearning tasks. This talk will first present the background of deep relationlearning, including deep neural networks, deep learning and its applications todata relation learning. Then it will describe our recent work on learningpairwise similarity relation for face verification using conditional high-orderBoltzmann machines, and learning temporal dependency relation for multi-framesuper-resolution using bidirectional recurrent convolutional networks, as wellas some future direction.

特邀讲者 王井东

Jingdong Wang is a Lead Researcher at the VisualComputing Group, Microsoft Research Asia. His areas of interest includecomputer vision, multimedia, and machine learning. At present, he is mainlyworking on image search including interactive image search, indexing andcompact coding for large scale similarity search, and visual understandingincluding (fine-grained) image recognition, salient object detection,person re-identification, and image segmentation. He has published 100+ papersin top conferences and prestigious international journals, such as CVPR, ICCV,ACMMM, ICML, SIGIR, TPAMI, IJCV, and so on, and one book. He will serve as orhas served as an area chair in ECCV 2016, ACMMM 2015 and ICME 2015, atrack chair in ICME 2012, a special session chair in ICMR 2014, and a programcommittee member or a reviewer in top conferences and journals, including CVPR,ICCV, ACMMM, NIPS, SIGIR, SIGGRAPH, TPAMI, IJCV. He has shipped dozenstechnologies to Microsoft products, including Bing image search, ProjectOxford, and XiaoIce.

报告摘要：In this talk, I will introduce my recentefforts on big media data and focus on two aspects. First, I will introduceneighborhood graph search and composite quantization for large scale similaritysearch. Second, I will share our study on deep learning for visualunderstanding and search. Finally, I will show several applications toMicrosoft XiaoIce.

特邀讲者 汪萌

合肥工业大学教授，主要研究方向为多媒体内容分析、搜索、推荐等。现任计算机与信息学院副院长、安徽省人工智能学会理事长，国家优秀青年科学基金获得者，入选中组部青年拔尖人才支持计划、教育部新世纪优秀人才支持计划，获首届ACM SIGMM Rising Star Award。担任IEEE TKDE、TCSVT等国际期刊编委。2015年获国家自然科学二等奖（第三完成人）。

报告摘要： 超图由于其对数据样本之间的高阶关系挖掘能力，被广泛应用于分类、聚类、降维等模式识别与机器学习任务。此报告对自适应超图构建与学习方法进行探讨，介绍了基于样本选择的超边构建以及超边权重学习方法，提升了超图模型的在视觉分类中的性能与鲁棒性。

特邀讲者操晓春

中国科学院信息工程研究所信息安全国家重点实验室研究员、博导。就读于北京航空航天大学和美国中佛罗里达大学。曾就职于美国ObjectVideo公司和天津大学。主要从事多媒体内容安全和计算机视觉领域的研究，取得了多项创新研究和实践成果，应用于国家重要部门。国家自然科学基金委优秀青年基金获得者，入选中组部万人计划“青年拔尖人才支持计划” 。 CCF-A类国际期刊IEEETransactions on Image Processing编委(AssociateEditor)、英国工程技术学会会士(IET Fellow)。

报告摘要：互联网技术的不断发展给我们带来资源共享便利的同时也带来了很多挑战。网络空间充斥着宣传敏感、有害信息资源，对国家安全和构建和谐的互联网环境构成了严重威胁。有些多媒体内容甚至通过信息隐藏技术嵌入了大量危害国家安全的秘密信息和反动信息。面对网络空间大数据中的图像视频进行人工检查和审计是一项复杂且耗时的工作，且需要一定的技术经验。针对这一问题，报告人拟汇报信息安全国家重点实验室在相关领域的一些理论研究进展，以及国际国内的研究现状。

会场路线图

CCF-CV 网站：http://ccfcv.ccf.org.cn/

CCF-CV公众号：