【预告】CCF-CV走进高校系列报告会(第四十三期,西安交通大学)

阅读量:198
2017-11-10

中国计算机学会计算机视觉专委会走进高校系列报告会

CCFCV Series Lectures

西安交通大学·西安(第 43期)

20171123日(星期四)14:00-18:30

西安交通大学逸夫科学馆207报告厅

报告会主题

计算机视觉前沿技术及应用

    

14:00      签到

14:30      报告会开始

特邀讲者:高新波 博士,西安电子科技大学教授

演讲题目:人机混合智能的思考与实践

特邀讲者:左旺孟 博士,哈尔滨工业大学教授

演讲题目:多视觉领域学习:多域融合、跨域交叉与域间转换

特邀讲者:  博士,浙江大学教授

演讲题目:基于可解释深度学习的行人再识别研究

特邀讲者:  博士,悉尼科技大学教授

演讲题目:Resource Constrained Image/VideoRepresentation

特邀讲者:高陈强 博士,重庆邮电大学教授

演讲题目:红外图像/视频目标检测及智慧校园中的视觉分析

 

执行主席:

                孟德宇 博士,西安交通大学教授

                苗启广 博士,西安电子科技大学教授

                公茂果 博士,西安电子科技大学教授

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:liminghan@stu.xjtu.edu.cn(请于11月22日前将参会回执回复至该邮箱,邮件主题请注明“CCF-CV西安交通大学报告会回执”)

参加方式:免费参加,敬请光临。

 

参会回执

      姓名


职称/职务


电话


   Email


工作单位


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 高新波

2-3博士,教授,西安电子科技大学模式识别与智能系统学科带头人,综合业务网理论及关键技术国家重点实验室主任,国家万人计划科技创新领军人才,新世纪百千万人才工程国家级人选,国家杰出青年科学基金获得者,教育部长江学者特聘教授,科技部重点领域创新团队负责人、教育部创新团队负责人。IET FellowCIE FellowIEEE高级会员、中国图象图形学学会常务理事、中国计算机学会理事、中国指挥与控制学会富媒体指挥专委会常务委员、中国电子学会青年科学家俱乐部副主席。目前主要从事影像处理、分析和理解、模式识别和机器学习等领域的研究和教学工作,在本领域发表论文300余篇,SCI检索200余篇,ESI高引论文10余篇,Google Scholar引用10000余次,获国家自然科学二等奖1项、省部级科学技术一等奖3项。

报告摘要:本报告主要涉及人机混合智能的一点初步思考和实践尝试。报告首先回顾了人类智慧和人工智能的起源,分析了人工智能与人类智慧之间的差异和互补性;进而引出人机混合智能的思考。从物理信息系统出发,构建了物理信息人类社会系统及其相对应的物理信息认知三元空间的融合,并尝试基于混合智能构造人环相互融合的和谐系统。通过三元空间融合的一个异质人脸识别系统来尝试人机混合智能系统的搭建。最后,提出了人工智能发展的几个可能的研究方向。通过本报告与大家共同思考人工智能的未来发展。

 

特邀讲者 左旺孟

3-4哈尔滨工业大学计算机学院教授、博士生导师。主要从事图像增强与复原、物体检测与目标跟踪、图像与视频分类等方面的研究。在CVPR /ICCV/ ECCV等顶级会议和T-PAMIIJCVIEEE Trans.等期刊上发表论文60余篇。

报告摘要:不同领域(如合成与真实数据、可控与不可控环境等)视觉数据的关联和综合利用有助于更为便捷地构建高效和实用的视觉分析模型,近年来获得了越来越多的关注。报告将首先介绍多领域数据对视觉学习带来的机遇与挑战,并结合具体底层和高层视觉应用,介绍下述方面的研究进展:(1) 多域融合:(a) 综合低质量的深度图和高质量的灰度图,实现深度图像的质量增强;(b) 综合有遮挡的人脸图像和正面的参考人脸图像,实现人脸图像的智能填充。(2) 跨域交叉:建立了一个跨域图像特征表达与度量学习的联合模型。(3) 域间转换:(a) 针对数据层面的域间转换,简要回顾图像转换和像素级领域自适应的研究进展;(b) 针对特征层面的域间转换和领域自适应,提出了一种加权MMD模型和权重的自适应估计方法。

 

特邀讲者 李玺

4-4浙江大学教授,入选浙江省151人才工程培养第二层次,获聘浙江省特聘专家以及中国信息与电子科技发展战略研究中心专家委员会的特聘专家。同时担任中国图象图形学会理事、中国图象图形学会视觉大数据专委会常务委员、CCF计算机视觉专委会委员、浙江省计算机协会计算机视觉专委会和多媒体专委会的副主任委员。另外,申请人亦担任了多个国际著名的顶级学术会议的大会程序委员(NIPS2017IJCAI2017CVPR2017)。分别在2016年上海举行的中国计算机视觉研究与应用创新论坛(RACV),2017年西安举行的智能世界国际会议(ICSW),以及2017年中国多媒体大会(ChinaMM)的分论坛做特邀报告。研究方向集中在计算机视觉和机器学习,其在国际权威期刊和国际顶级学术会议发表诸如TPAMIIJCVCVPR等文章100多篇,Google Scholar他引近2200多次,拥有若干ESI高被引论文,并担任神经计算领域知名国际刊物NeurocomputingNeural Processing LettersAssociate Editor。李玺教授获得两项最佳国际会议论文奖(包括ACCV 2010DICTA 2012),以及一项ICIP 2015 Top 10% 会议论文奖,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。带领团队获得2015年阿里巴巴大规模图像搜索大赛决赛第6名的成绩。

报告摘要行人再识别是计算机视觉领域非常引人注目的研究方向,其在智能安防和视频物联网等领域具有广泛的应用价值。当前,深度学习已经成为行人再识别研究方向上的主流方法,其端到端的学习方式使得行人再识别研究从手工式特征构建跃变到自适应数据驱动特征学习,从而极大地提高了行人再识别应用的灵活性和实用性。但随之而来的问题是深度学习缺乏足够强的可解释性,使得算法效果非常依赖经验性的学习策略。因此,本报告将深入分析深度学习在行人再识别方向上的相关研究成果,系统地剖析其内在属性和特点,进而引出我们所提出的具有可解释性的深度行人再识别方法,最后系统地总结这个领域。

 

特邀讲者 杨易

5-4Yi Yang is a Professor with the Faculty of Engineering and Information Technology,University of Technology Sydney (UTS). He is also taking the role of DeputyHead of School (Research) of the School of Software at UTS. Yi Yang received myPhD degree in Computer Science from Zhejiang University in 2010. He was apostdoc researcher at the School of Computer Science, Carnegie Mellon Universityfrom 2011 to 2013. His current research interests and projects span almostevery aspect of multimodal signal processing, computer vision, text processing,and pattern recognition. In addition to the research papers, the system ourgroup has achieved the best performance in a few competitions, includingTRECVID LOC, the THUMOS Action Recognition challenge, the MSR-Bing Imageretrieval grand challenge, etc. He was recently awarded by the Google FacultyResearch Award in recognition of his proposal to efficient video analysis.

报告摘要I will talk about our two recent works onefficient video/image classification. In the first work, we propose adiscriminative video representation for event detection over a large scalevideo dataset when only limited hardware resources are available. The focus isto effectively leverage deep Convolutional Neural Networks (CNNs) to advanceevent detection, where only frame level static descriptors can be extracted bythe existing CNN toolkits. This paper makes two contributions to the inferenceof CNN video representation. First, while average pooling and max pooling havelong been the standard approaches to aggregating frame level static features,we show that performance can be significantly improved by taking advantage ofan appropriate encoding method. Second, we propose using a set of latentconcept descriptors as the frame descriptor, which enriches visual informationwhile keeping it computationally affordable. The integration of the twocontributions results in a new state-of-the-art performance in event detectionover the largest video datasets while dramatically reduced the computationalcost. In the second work, we present a novel and general network structuretowards accelerating the inference process of convolutional neural networks,which is more complicated in network structure yet with less inferencecomplexity. The key idea is to equip each original convolutional layer withanother low-cost collaborative layer (LCCL), and the element-wise multiplicationof the ReLU outputs of these two parallel layers produces the layer-wiseoutput. The combined layer is potentially more discriminative than the originalconvolutional layer, and its inference is faster for two reasons: 1) the zerocells of the LCCL feature maps will remain zero after element-wisemultiplication, and thus it is safe to skip the calculation of thecorresponding high-cost convolution in the original convolutional layer; 2)LCCL is very fast if it is implemented as a 1*1convolution or only a singlefilter shared by all channels.

 

特邀讲者 高陈强

6-4华中科技大学图像所博士,卡内基梅隆大学(CMU)计算机学院LTI系博士后,重庆市首批高等学校青年骨干教师,教授,博士生导师。主要从事红外图像/视频分析、校园监控图像/视频分析等相关应用领域的研究。主持国家自然科学基金(青年/面上)、重庆市自然科学基金、企业横向课题多项,部分技术已经投入实际应用。在CVPRACCVICMRICME等国际会议,TIPPR等期刊发表论文40余篇。

报告摘要:依靠探测物体热辐射的红外被动成像具有诸多优势,如可全天候成像、探测距离远、受环境光影响相对较小、保护隐私等。此报告将对远距离红外小目标检测任务和红外监控视频中的行为识别与检测任务进行重点介绍。同时,此报告还将介绍讲者在智慧校园中的教室人数分析、课堂学生姿态检测等方面所做的一些研究工作。

 

执行主席 

孟德宇

7-2西安交通大学数学与统计学院教授。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,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80余篇,其中包括IEEE汇刊20篇,CCF A类会议论文30篇。曾担任ICML, NIPS等会议程序委员会委员, AAAI2016IJCAI2017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。

 

苗启广

8-1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、CCFYOCSEF主席(2017-2018); CCF计算机视觉专委会常务委员、大数据专委会委员;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; CCF 杰出会员,IEEE Senior Member。主要从事计算机视觉、机器学习、大数据分析方面的研究。主持在研和完成核高基国家重大科技专项课题、国家重点研发计划课题、国家自然科学基金、国防预研、国防863、武器装备基金项目50余项;2008/2011/2014年获西安电子科技大学十佳师德标兵称号;在IEEE TNNLS/TIP/TGRS/TEC/TIST/AAAI/IJCAI/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100余篇。担任2015首届中国计算机视觉大会程序委员会主席、2011CCF 首届青年精英大会、NPC 2016国际会议组织委员会主席;International Journal of Bio-Inspried Computing等国际期刊的Associate EditorNeurocomputingJournal of Memetic Computing Multimedia Tools and ApplicationJournal of Industrial Mathematics等期刊的Guest Editor

 

公茂果

9-1西安电子科技大学二级教授,博士生导师,计算智能研究中心主任,校学术委员会委员,陕西省重点科技创新团队负责人,国家重点研发计划项目首席。主要研究方向为计算智能理论及其在数据与影像分析中的应用,发表SCI检索论文100余篇,被引用5600余次,入选中国高被引学者,授权国家发明专利20余项,获2013年国家自然科学奖二等奖和2016年教育部自然科学奖二等奖。担任《IEEE Transactions onEvolutionary Computation》、《IEEE Transactions on Neural Networks and Learning Systems》等期刊副编/编委,IEEE计算智能学会Task Force on Collaborative Learning and Optimization主席,第十/十一届BIC-TA等学术会议主席,中国人工智能学会理事等。曾获国家高层次人才特殊支持计划中组部青年拔尖人才、国家优秀青年科学基金、霍英东青年教师奖、教育部新世纪优秀人才等。


会场路线图

10-1

CCF-CV 网站:http://ccfcv.ccf.org.cn/ 

CCF-CV公众号:

7-1

【活动背景】自201511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!