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

南京邮电大学·南京（第 46期）

2018年1月7日（星期日）14:00-17:30

南京邮电大学三牌楼校区学术报告厅

报告会主题

深度学习前沿技术及应用

程  序

13:30     签到

14:00     院长致辞

14:10   特邀讲者：梁小丹博士，卡内基梅隆大学机器学习部项目科学家

  演讲题目：结构化生成对抗网络

14:55   特邀讲者：闵卫东博士，南昌大学教授

  演讲题目：融合智能视频识别的智慧城市公共安全保障技术

15:40     中场休息

15:50   特邀讲者：刘青山博士,南京信息工程大学教授

  演讲题目：基于深度学习的视觉特征学习

16:35     特邀讲者：林 倞博士，中山大学教授

  演讲题目：Beyond Supervised Deep Learning for VisualUnderstanding

17:20     报告会结束

执行主席：周全 博士，南京邮电大学通信与信息工程学院副教授

                中国计算机学会计算机视觉专委会委员

                江苏省人工智能学会模式识别专委会常务委员

                江苏省计算机学会图形图像专业委员会委员

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：11502373@qq.com

(请于1月6日前将参会回执回复至该邮箱，邮件主题请注明“CCF－CV南京邮电大学报告会回执”)

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。

特邀讲者梁小丹

 目前是卡内基梅隆大学机器学习部项目科学家。2016年获得中山大学博士学位。2017年担任AAAI 2017、CVPR2017和IJCAI 2017年度程序委员会成员。目前共发表了40多篇学术论文，其领域涉及行人解析，行人检测与分割，2D / 3D人体姿态估计和行为识别。梁博士及其合作者一起发布了目前最大的行人解析数据集，并在CVPR2017成功组织了第一届Look Into Person（LIP）研讨会，并推动了人类行为理解方面的研究进展。

报告摘要：我们研究了基于指定语义或结构的条件产生式建模的问题。现有的条件产生式模型要么需要大量标记的实例作为监督，要么无法精确地控制生成的语义样本。为此，我们提出了结构化产生式对抗网络(SGANs)——一种半监督式条件产生式建模方法。SGAN假设数据x是由两个独立的隐变量所产生:y编码指定的语义，z包含其他变化的因素。为了确保在y和z中分离语义，SGAN在隐空间中构建了两个协作函数，分别最小化y和z的重构误差。训练SGAN同样需要解决两个对抗性的问题，为避免传统MLE方法会导致概率密度函数会散布在整个数据空间上，我们的训练方法可以使得两个协作函数的分布逼近p(x,z)和p(x,y)的真实分布。实验表明，SGAN是一个高度可控的产生式模型，并且在半监督图像分类中取得较好的实验结果。由于能够将变量y从z中有效分离出来，SGAN可以根据指定语义生成高质量的视觉图像，该模型还可扩展到不同实际应用中，如图像风格转换等。

特邀讲者闵卫东

 清华大学计算机系博士，南昌大学信息工程学院教授、博导，智慧城市信息技术研究所所长，中国图象图形学学会常务理事。闵卫东教授于2014年入选囯家千人计划创新人才，2016年入选江苏省双创个人以及江苏省双创团队领军人才，从1989年开始在国内外从事计算机图形图像处理、计算机图形学、云计算分布式系统和智慧城市信息技术等领域的理论和应用研究工作。闵教授师从于老一代计算机图形学专家、中国计算机图形学和CAD奠基人之一唐泽圣教授、孙家广院士。在加拿大Alberta大学和多家跨国计算机公司从事科研和管理工作18年，期间共主持完成了9项主要科研项目。所主持的研究成果已转化实现为多个工业产品，并获得加拿大最佳高新科技产品奖。近三年在国内主持承担了15项科研项目，包括三项国家自然科学基金项目、8项省部级重大项目和省级创新团队等项目。

报告摘要：随着我国经济的快速发展和城镇化，智慧城市公共安全保障技术变得日益重要，智能视频识别是其中的核心技术之一。此报告首先简介智慧城市信息技术，然后重点介绍讲者在加拿大和在国内近几年利用深度学习、智能视频识别和大规模分布式系统等技术在智慧城市公共安全保障方面做的一些研究工作和工业产品成果。

特邀讲者刘青山

 现任南京信息工程大学教授，博士生导师，江苏省大数据分析技术重点实验室主任，IEEE高级会员。2000年获得中科院自动化所模式识别国家重点实验室博士学位，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。现已在国内外学术期刊和国际会议上发表论文140余篇，其中IEEE Transaction汇刊和CCFA类会议论文50余篇，Google Scholar统计引用5000+。2011年入选江苏省特聘教授，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，2016年荣获江苏省优秀教育工作者。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，以第一完成人获2016年度教育部自然科学二等奖。

报告摘要：视觉计算是人工智能领域中的一个重要研究方向。随着成像传感技术、互联网技术等快速发展，视觉数据不仅维数越来越高，而且规模也呈爆炸式增长，从而给视觉计算和理解带来了新的巨大挑战。由于深度学习具有从大数据中自动学习和抽象数据特征的优点，从而已成为视觉计算与理解研究中最受关注的技术。本报告将结合目标检测和遥感图像分析等应用，给大家汇报一下近年来我们在基于深度学习的视觉特征学习上的主要工作进展。

特邀讲者林倞　

 中山大学教授，商汤科技首席研发总监,国家万人计划青年拔尖人才，国家优秀青年基金获得者，教育部超算工程软件工程研究中心副主任,IET Fellow。先后在美国加州大学洛杉矶分校、香港中文大学等机构工作或访问研究。长期从事面向视觉大数据的语义分析与智能学习相关领域的研究，并且在商汤科技的一系列产品中应用落地。迄今在顶级国际学术期刊与会议上发表论文100余篇，包括在PAMI/IJCV期刊发表论文12篇，在CVPR/ICCV/NIPS/Multimedia发表论文40余篇，3篇论文成为ESI高被引论文。获得NPAR 2010 最佳论文奖, 2012 Google Faculty Award, 2017年度 World’s FIRST 10K Best Paper Diamond Award by IEEE ICME, 2014 Hong Kong Scholars Award，率队获得2016英特尔杯全国并行应用挑战赛金奖。目前担任IEEETrans. Human-Machine Systems等多个著名学术期刊的编委(AE)。

报告摘要：随着人工智能的应用向纵深发展，深度学习研究的范围需要进一步扩大，尤其研究面向多源异构、未标注、包含噪声的海量数据的有效学习框架。围绕这个主题，主讲者将分享在中山大学人机物智能融合实验室及商汤科技研发中心的研究成果，例如基于弱标签学习的场景内容理解、应用于大规模物体识别的自主学习、面向多源数据的领域自适应学习等。

执行主席：周全

 博士，副教授，硕士生导师。2013年博士毕业于华中科技大学。IEEE会员，中国计算机学会计算机视觉专委会委员，江苏省人工智能学会模式识别专委会常务委员，江苏省计算机学会图形图像专业委员会委员。研究方向包括计算机视觉、模式识别、图像处理、机器学习等方面。2015年5月至6月在瑞典于默奥大学，2017年8月至9月在日本九州工业大学做访问学者。在国内外核心期刊和重要国际会议发表论文30余篇，包括IEEE Transactions on Image Processing、Pattern Recognition、IEEE Access等。申请发明专利5项。先后主持参与国家自然科学基金4项，省部级科研项目8项。曾担任SCI期刊ACM/SpringerMobile Networks & Applications和Multimedia Tools & Applications的客座编辑。

会场路线图

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！