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

兰州理工大学·兰州（第 23期）

2016年11月22日（星期二）14:00-17:30

兰州理工大学 弘文宾馆 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：王 亮 博士，中国科学院自动化所研究员

演讲题目：深度认知神经网络初探

特邀讲者：张艳宁 博士,西北工业大学教授

演讲题目：待定

特邀讲者：耿 新  博士，东南大学教授

演讲题目：标记分布学习及其应用

特邀讲者：李 玺  博士，浙江大学教授

演讲题目：人工智能驱动的视觉特征计算、学习及其应用

特邀讲者：孟德宇  博士，西安交通大学副教授

演讲题目：误差建模原理

执行主席：郝晓弘 教授，兰州理工大学计算机院院长。中国人工智能学会理事，中国人工智能学会分布式智能专业委员会副主任，中国自动化学会电气自动化专业委员会委员。

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：xiaoxulilut@gmail.com (请于11月18日前将参会回执回复至该邮箱，邮件主题请注明“CCF－CV兰州理工大学报告会回执”) 

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），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。国家杰出青年科学基金获得者，国家青年科技奖获得者。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。目前Google Scholar引用8200余次。

报告摘要：瞄准模式识别与认知科学发展前沿，突破现有神经网络在结构和功能上的局限性，我们希望创建视觉认知启发的，融合反馈、注意、记忆等机制的新型深度认知神经网络新模型和新方法，并将其应用到视觉模式分析任务之中。本报告将主要介绍近期我们在深度认知神经网络方面的探索性工作。·

特邀讲者 张艳宁

教授，博导，计算机学院院长、校长助理，国务院学科评议组成员，长江学者特聘教授，中组部万人计划科技创新领军人才，国防973项目首席。长期致力于图像处理、模式识别、计算机视觉与智能信息处理等的研究，并与航天、航空等方面的国家重大需求相结合。获国家教学成果二等奖1项、省部级科技进步奖3项，曾获全国三八红旗手称号和总装863科技攻关先进个人。 先后承担国防973项目、国家自然科学基金重点项目、国家/国防863、总装预研等国家级项目40余项。在IEEE TPAMI、IEEE TIP、PR、IEEE TSMC-B、Info. Fusion、CVPR、ICCV等国内外本领域权威期刊和重要国际会议上发表论文百余篇。研究成果被多个国家级重大工程攻关项目采用，成功应用于航天、航空、能源、水利等行业的20余家单位。 获授权发明专利20余项，出版专著3部。

报告摘要：报告内容待定

特邀讲者 耿新　

东南大学计算机科学与工程学院教授、博导、副院长，东南大学模式学习与挖掘（PALM）实验室（http://palm.seu.edu.cn/）主任。主要从事模式识别、机器学习、计算机视觉等方面的研究。主持多项国家自然科学基金项目，国家优秀青年科学基金、江苏省杰出青年基金获得者。在重要国际学术期刊和会议发表论文近50篇。现为CCF青年工作委员会执委，江苏省计算机学会理事、青年工作委员会主任，CCF人工智能与模式识别专委会、计算机视觉专委会委员，中国人工智能学会机器学习专委会、模式识别专委会委员，江苏省计算机学会/微型电脑应用协会人工智能专委会常委，《Frontiers ofComputer Science》青年编委。

报告摘要：标记分布学习是一种新型机器学习范式。在该范式中，每个示例不是与一个或者一组标记相关联，而是与一个标记分布相关联。一个标记分布覆盖所有可能的标记，并且明确给出每个标记描述示例的程度。在这一定义下，传统的单标记学习和多标记学习都可以看作标记分布学习的特例。现实世界中存在不少本身就具有标记分布信息的数据。更多情况下，标记分布信息不完整时，可通过先验知识或者机器学习方法生成完整的标记分布。因此，标记分布学习是一种相较传统学习范式更为泛化，并且具有广泛应用前景的新型机器学习范式。

特邀讲者 李玺　

浙江大学教授，博导，现就职浙江大学计算机学院人工智能研究所，入选浙江省151第二层次人才。主要从事计算机视觉、模式识别和机器学习等领域的研究和开发。在目标跟踪、目标行为识别、图像标注、视频检索、哈希（hashing）函数学习、深度特征学习等方面取得了深入系统的研究成果，其中在视频的运动跟踪、理解与检索等方面的研究具有特色和优势，取得了多项具有国际影响力的创新性成果。本人在国际权威期刊和国际顶级学术会议发表文章80多篇。担任神经计算领域知名国际刊物Neurocomputing和Neural Processing Letters的Associate Editor，同时担任多个计算机视觉和模式识别方面的国际刊物和国际会议的审稿人和程序委员。获得两项最佳国际会议论文奖（包括ACCV 2010和DICTA 2012），ICIP2015 Top 10% paper award，另外分别获得两项中国北京市自然科学技术奖（包括一等奖和二等奖），以及一项中国专利优秀奖。

报告摘要：互联网和物联网时代催生了海量视频大数据，从这些海量视频数据中有效提取知识迫切需要各种人工智能的技术和手段。因此，如何进行人工智能驱动的视觉计算已经成为当今知识经济时代亟待解决的核心技术问题。本报告主要围绕数据驱动的人工智能学习方法，进行大规模图像/视频数据的视觉特征学习，从目标视觉感知特性、视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析，并引入了大规模视觉特征学习所涉及的主要研究问题和技术方法。然后系统地回顾了视觉特征表达和学习领域的不同发展阶段，介绍了近年来我们利用视觉特征学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。报告的最后将和大家一起探讨一下涉及视觉特征学习所面临的一些开放性问题和难题。

特邀讲者 孟德宇　

西安交通大学数学与统计学院副教授，博导。曾赴香港理工大学，Essex大学与卡内基梅隆大学进行学术访问与合作。共接收/发表论文50余篇，其中包括TPAMI, TIP, TKDE, TNNLS,TSMCB, PR等国际期刊与ICML, NIPS, CVPR, ICCV, ECCV, AAAI, ICJCAI, ACM MM等国际会议论文。担任ICML,NIPS等会议程序委员会委员,AAAI2016高级程序委员会委员。曾获陕西省青年科技奖，陕西省优秀博士论文奖，入选首批西安交通大学青年拔尖人才计划。目前主要聚焦于自步学习、误差建模、张量稀疏性等机器学习相关方向的研究。

报告摘要：传统机器学习主要关注于确定性信息的建模，而在复杂场景下，机器学习方法容易出现对数据噪音的鲁棒性问题，而该鲁棒性问题与误差函数的选择紧密相关。本次报告聚焦于如何针对包含复杂噪音数据进行误差建模的鲁棒机器学习原理。这一原理对在线视频处理、医学图像恢复等问题，已体现出个性化的应用优势，该原理亦有希望能够引导出更多有趣的机器学习相关应用与发现。

执行主席： 郝晓弘

 
教授，博导，甘肃省领军人才第一层次，甘肃省333、 555创新人才工程第一层次工程人才,甘肃省青年教师成才奖获得者。1993－1996年甘肃工业大学控制理论与控制工程硕士研究生。2005年11月至2006年11月受国家留学基金委支持在英国谢菲尔德大学(SheffieldUniversity)访问学者,从事迭代学习控制理论与应用研究。现任兰州理工大学计算机与通信学院院长，中国人工智能学会理事，中国人工智能学会分布式智能专业委员会副主任，中国自动化学会电气自动化专业委员会委员，中国电气工程领域教学指导委员会委员，甘肃省电机工程学会副理事长，甘肃省电机工程学会理论电工专业委员会主任，甘肃省科技咨询协会专家。主要研究领域有电子信息系统、分布式系统、控制网络与分布式系统、复杂系统的建模与控制、智能控制理论与应用、电能转换与控制、智能电网与电能质量、嵌入式系统、可再生能源发电技术等。 在中文核心期刊以上发表论文100多篇，SCI、EI收录40余篇;完成科研项目20多项，获得省级科技进步二等奖4项，三等奖2项;获得发明专利3项。目前在研国家自然科学基金3项，主持1项，主要参与2项，其它5项。

会场路线图(兰州理工大学兰工坪学校区，校区正门至弘文宾馆路线图)

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！