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

华中科技大学·武汉（第16期）

2016年6月21日（星期二）8:30-12:30

华中科技大学国际学术交流中心8号楼3楼报告厅

报告会主题

计算机视觉前沿技术及应用

程  序

8:00      签到

8:30      报告会开始

特邀讲者：王　亮  博士，中国科学院自动化所研究员

演讲题目：Multi-modal Data Analysis with Applicationto Retrieval and Classification

特邀讲者：苗启广 博士，西安电子科技大学教授

演讲题目：单幅图像去霾方法

特邀讲者：刘青山 博士,南京信息工程大学教授

演讲题目：Feature learning for visual recognition

特邀讲者：郑伟诗 博士,中山大学教授

演讲题目：行人重识别：发展与挑战

特邀讲者：荆晓远 博士,武汉大学教授

演讲题目：多视图特征学习及行人重识别

执行主席：桑　农 博士，华中科技大学教授

                 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：邮件报名：请于6月18日前将参会回执回复至邮箱nsang@hust.edu.cn，邮件主题请注明“CCF－CV华中科技大学报告会回执”

 在线报名:请于6月18日前登陆: http://www.sojump.hk/m/8671884.aspx?pvw=1，在线填写报名表。

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

LiangWang received the PhD degree from the Institute of Automation, Chinese Academyof Sciences (CAS) in 2004. From 2004 to 2010, he worked as a Research Assistantat Imperial College London, United Kingdom and Monash University, Australia, aResearch Fellow at the University of Melbourne, Australia, and a lecturer atthe University of Bath, United Kingdom, respectively. Currently, he is a fullProfessor and the deputy director of the National Lab of Pattern Recognition,Institute of Automation, Chinese Academy of Sciences, P. R. China. Dr. Wang isthe recipient of the Chinese Academy of Sciences “100 TalentsProgram” in 2010, and NSFC “Outstanding Young Researcher”Program in 2015. His major research interests include machine learning, patternrecognition and computer vision. He has widely published at highly-rankedinternational journals such as IEEE TPAMI and IEEE TIP, and leadinginternational conferences such as CVPR, ICCV and ICDM. He has obtained severalhonors and awards such as China Youth Science and Technology Award and theSpecial Prize of the Presidential Scholarship of Chinese Academy of Sciences.He is currently a Senior Member of IEEE and a Fellow of IAPR, as well as amember of BMVA. He is an associate editor of IEEE Transactions on Cyberneticsand IEEE Transactions on Information Forensics and Security.

报告摘要：It is commonthat different types of data are used for description of the same events ortopics, which are called multi-modal data. Usually, those data represent twocharacteristics, i.e., consistency and complementarity, which means thatmulti-modal data share common and modality-specific information. To excavatethe above characteristics for multi-modal analysis, this talk will introduceour several approaches with applications to retrieval and classification. Wealso give discussion and future trends of multi-modal data analysis.

特邀讲者 苗启广

博士，西安电子科技大学计算机学院教授，博士生导师；2012年入选“教育部新世纪优秀人才支持计划”；中国计算机学会（CCF）理事,陕西省大数据与云计算产业联盟理事; CCF计算机视觉专委会常务委员，CCF人工智能与模式识别专委会委员，CCF 青年工作委员会委员，CCF YOCSEF副主席(2015-2017)；教育部工程专业认证协会计算机分委会工程专业认证专家。2013年12月-2014年7月受国家留学基金委资助在美国做高级研究学者；主要从事计算机视觉、机器学习、大数据分析与高性能计算方面的研究。主持在研和完成国家自然科学基金、省自然科学基金、国防预研、国防863、武器装备基金项目20余项；近年来，在IEEE TNNLS/TIP/TGRS/TEC/TIST、AAAI、JVCIR、KBS、软件学报、计算机学报、电子学报、光学学报等国内外重要学术期刊、国际会议上发表SCI/EI收录论文80余篇。担任2015年CCF 首届中国计算机视觉大会程序委员会主席、2011年CCF 首届青年精英大会组委会主席，CCF HPC China 2016程序委员会主席；Neurocomputing、Journal of Memetic Computing、 MultimediaTools and Application等国际期刊的AssociateEditor或者Guest Editor。主要研究方向为计算机视觉与机器学习，社交网络大数据分析，高性能计算等。

报告摘要：近年来，雾霾等空气污染问题在全国各地都日趋严重，室外图像也常常因为这些恶劣天气原因而降质，并因此影响视觉效果和后续处理，为此学者们提出了大量的图像复原方法。我们从多个不同的角度提出了图像去霾的方法：1）根据霾与雾等天气条件的物理特性之差异，我们提出了一种基于黄霾物理特性的复原方法，该方法能够有效去除黄霾图像存在的色彩失真问题；2）基于融合的思想，从单幅输入图像生成两幅增强图像，通过两者的融合使复原图像同时得到近景和远景处的细节信息；3）提出了一种基于熵和模糊融合的方法，该方法能够有效解决暗通道方法中白色物体景深估计错误的问题。大量实验结果证明，这三种方法对于黄霾天气的降质图像均能取得较好的复原效果。

特邀讲者 刘青山

刘青山博士现任南京信息工程大学教授，博士生导师，信息与控制学院院长，江苏省大数据分析技术重点实验室主任，IEEE高级会员。2000年4月毕业于中科院自动化所模式识别国家重点实验室获博士学位，随后留实验室工作，2006年4月赴美国Rutger大学访问、工作。2011年9月加盟南京信息工程大学。主要研究方向为图像与视频分析、计算机视觉、和机器学习。已在国内外学术期刊和国际会议发表论文100余篇，其中IEEE Transaction汇刊和CCF A类40余篇，Google Scholar统计引用3300余次。2011年入选江苏省特聘教授（2014年终期考核“优秀”），2012年入选教育部新世纪人才，同年获首届江苏省杰出青年基金资助，2013年入选江苏省双创个人，2014年入选江苏省双创团队领军人才。先后主持承担了国家自然基金项目4项，其中国家自然基金重点项目1项。受邀担任国际学术期刊、《NeuroComputing》、《Signal Processing》编委，长期受邀担任20余种国际知名学术期刊的审稿人，参与组织国际学术会议10余次，是中国视觉与学习青年论坛（Valse）组织发起人，是中国计算机学会多媒体专委会和计算机视觉专委会常务委员。

报告摘要：Image datais a typical high-dimensional data. For example, the dimension of an 100*100gray image is to 10000. It will have much effect on the analysis performance ifdirectly analyzing the data in such a high dimensional space, besides hugecomputational cost. Thus, how to learn a low-dimensional visual feature forvisual recognition always attract much attention in the communities of computervision and pattern recognition. Also, because of semantic gap between visualcues and high-level semantics, how to bridge such complex relationship is anotherkey issue for visual understanding.

In this talk, we will present our recent work on feature learningfor visual recognition. We will first present our work on subspace learningbased visual recognition, including in the applications of face alignment andremote sensing image processing. Also, we will present our work onhypergraph-based visual understanding, in which conventional pair-wise graph isreplaced with hypergraph to build the complex relations among the data.

特邀讲者 郑伟诗

博士，中山大学教授，国家优秀青年科学基金获得者、英国皇家学会牛顿高级学者基金获得者、广东省自然科学杰出青年基金获得者、微软亚洲研究院青年学者铸星计划入选者。他主要面向视频监控下的行人身份识别与行为理解，展开视频图像信息处理的研究。他在国内外较早和持续开展行人再标识的研究，发表一系列以跨视域度量学习为主线的研究工作。已发表/接受含5篇PAMI在内的80余篇主要学术论文，其中40余篇发表在IEEE TPAMI、IEEE TIP、IEEE TNN、PR、IEEE TCSVT、IEEE TSMC-B等和ICCV、CVPR、IJCAI等，曾发表ESI高被引论文3篇。近5年来，与国内外同行一道，在计算机学会推荐A类国际学术会议ICCV和CVPR等国际学术会议期间做Tutorial。他曾担任IEEE AVSS的Area Chair，担任2012年、2015年和2016年全国生物特征识别学术会议的联合程序委员会主席。

报告摘要：行人重识别，又称行人再标识，是在多摄像机网络下实现跨视域行人追踪的关键支撑技术。虽然行人重识别面临诸多因素影响（比如光照、遮挡、视角等的影响），经过多年的研究，行人重识别已经获得了跨越式的发展。近年来，我们通过发展视域敏感的跨视域度量模型、深度先验正则化行人特征表达、以及基于视频的行人重识别模型，使得行人重识别的精度获得较大幅度的提高。但困难与发展是并存的，我们通过大量研究，发现行人重识别在残缺行人图像情况和开集测试下，会遭遇相当大的挑战。为此，我们针对这些新的问题，提出了局部相对比较度量学习模型，给出了克服这些问题的新思路。这次交流主要介绍我们最近一年的研究进展，希望能跟大家深入交流。

特邀讲者 荆晓远

荆晓远博士毕业于南京理工大学计算机系模式识别与智能系统国家重点学科，分别在中兴通讯公司南京研究所ATM交换机产品部、中科院自动化所集成电路设计国家工程技术中心、哈尔滨工业大学深圳研究生院计算机学科部等单位工作，担任高级工程师、研究部副经理与副研究员、教授。现担任武汉大学计算机学院软件工程国家重点实验室教授、博士生导师。研究领域包括模式识别、机器学习、基于人工智能的软件数据分析等。获得教育部新世纪优秀人才、湖北省楚天学者特聘教授、江苏省333工程和青蓝工程中青年学术带头人等计划的支持。发表论文100余篇；在中国计算机学会CCF的A类、B类会议/期刊上发表论文30多篇，包括CVPR、IJCAI、AAAI、ICSE、FSE、ACMMM、ICME和IEEE TIP、TSE、TCSVT、TSMCB、PR、ASE等国际重要会议和期刊。在美国知名出版社IGP上出版英文专著“生物特征图像鉴别分析技术”一部，主持国家自然科学基金4项。

报告摘要：多视图特征学习是多视图学习的一个重要研究方向。本报告从多视字典学习、多视子空间学习两个方面介绍我们所提出的几种方法。多视字典学习方法研究如何利用不同字典之间的互补信息、消除字典间冗余信息、使用多视字典低秩正则项消减数据噪声的影响、学习视图公共字典与视图特定字典等。多视子空间学习方法研究如何学习视图内与视图间的典型相关特征、学习视图内与视图间的流形鉴别特征、提出多视统计不相关与鉴别不相关性、提出多视半监督不相关性等。另外，简要介绍我们在基于图像与视频特征学习的行人重识别方面的研究工作。

会场路线图

CCF-CV 网站：http://ccfcv.ccf.org.cn/

CCF-CV公众号：