2017年4月16日，中国计算机学会计算机视觉专委会（CCF-CV）走进高校系列报告会第31期——“计算机视觉前沿技术及应用”在武汉大学测绘遥感信息工程国家重点实验室报告厅成功举行。

本期报告会由武汉大学测绘遥感信息工程国家重点实验室承办，共邀请了华南理工大学金连文教授、浙江大学李玺教授、清华大学自动化系鲁继文副教授、西北工业大学光学影像分析与学习中心王琦副教授、中国科学院自动化研究所模式识别国家重点实验室申抒含副研究员等五位专家。来自武汉大学、武汉理工大学、华中师范大学、合肥工业大学等多所高校和研究院的约300名师生及业界同行参加了报告会。本次报告会由执行主席武汉大学夏桂松教授主持。

首先，来自华南理工大学的金连文教授在一片掌声中走向演讲台，他的报告题目为《Drop to Gain —-浅谈深度学习中的“舍弃”法训练技术及其应用》。该报告首先回顾了深度学习近年来的发展，简要阐述了该领域中Dropout、DropConnect、DropLayer、DropLabel等一些典型的“舍弃”法深度模型训练技术。随后介绍了课题组提出的几种DropX（DropSample / DropSegment /DropRegion / DropDistortion /AdaptiveDropWeight）训练方法及技术，最后演示了该技术在文字识别及文档图像分析中的应用。

接下来，浙江大学李玺教授以《基于深度学习的光流估计和Co-Saliency检测》为题展开，从图像对应像素匹配特性、深度学习器构建机制、多尺度特征表达、尺度相关性学习等多维度视角进行了深入剖析，并引入了光流估计多尺度对应结构化学习、尺度依赖建模、Co-saliency检测所涉及的主要研究问题和技术方案。然后系统展示了光流估计和Co-saliency检测的实验对比性能。另外，介绍了近年来课题组利用视觉特征学习进行运动分析和场景理解所做的一系列代表性的研究工作及其实际应用。

鲁继文副教授的报告题目是《深度学习与视觉分析》。报告围绕基于深度学习的特征表示和相似性度量方法，依次介绍了研究组近年来在深度度量学习、深度哈希学习、多模态深度学习和深度共享学习等方面的一系列代表性研究工作，同时对这些方法在人脸和行人识别、图像和视频检索和物体跟踪与识别等方面的应用进行了阐述。报告引发了现场老师和同学们对深度学习与度量学习方法相结合的热烈讨论。

王琦副教授的报告题目为“复杂场景中人群行为的研究及其应用”。报告首先对人群行为研究的研究意义进行了说明，然后重点介绍四个主要研究方面中的群组检测与行为量化两个问题的最新研究进展。报告的算法对个体关系进行了挖掘，利用流形学习、多特征融合等，很好的解决了时序信息丢失等问题，能有效处理高密集度，结构复杂的人群场景。报告最后演示了在视频监控中进行群组检测与行为量化的应用，对于人群行进方向预测和群组中异常行为检测有很好的效果。

申抒含副研究员的报告题目为“基于图像的大规模场景三维建模”，报告详细回顾了图像三维重建近些年的发展历程，并介绍了大场景相机标定、稠密点云计算、天地点云融合、网格与LOD建模等领域的系列研究工作。报告不仅对基于图像的大规模三维场景建模中涉及的混合式稀疏重建，天地图配准等核心算法进行了深入浅出的讲解，生动地展示了在文物保护，数字地图自动生成等实际需求中的应用。

本次报告会五位讲者围绕计算机视觉前沿技术及应用的主题，就深度神经网络训练方法、光流估计与显著性检测、度量学习、人群行为研究和大规模三维场景重建五个方面为到场参会的老师和同学们带来了一场精彩纷呈的学术盛宴。现场气氛热烈，报告会在热烈的掌声中圆满结束。活动结束后同学们热情不减，纷纷走到各位专家面前进行讨论交流。最后大家一起合影留念。

【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！