【预告】CCF-CV走进高校系列报告会(第五十五期,贵州师范大学)

阅读量:1222
2018-06-04

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

贵州师范大学·贵阳(第 55期)

2018621星期四)08:50-12:10

贵州师范大学(花溪校区)会议中心二楼学术报告厅

报告会主题

人工智能前沿技术及应用

08:30  签到

08:40  领导致辞

08:50报告会开始

特邀讲者: 博士,杭州电子科技大学 教授

演讲题目:跨媒体智能研究

特邀讲者:徐 勇  博士, 哈尔滨工业大学 教授

演讲题目:高效与鲁棒的稀疏表示与字典学习

特邀讲者:葛仕明  博士,中国科学院信息工程研究所 副研究员

演讲题目:面向实际视觉应用的深度学习模型优化

特邀讲者:王 亮  博士,中国科学院自动化所 研究员

演讲题目:人工智能时代的视觉大数据分析

执行主席:

欧卫华  博士,贵州师范大学大数据与计算机科学学院 副教授

曹永锋  博士,贵州师范大学大数据与计算机科学学院 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:ouweihuahust@gmail.com (请于6月19日前将参会回执回复至该邮箱,邮件主题请注明“CCF-CV贵州师范大学报告会回执”)  

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。

特邀讲者俞 俊

杭州电子科技大学教授、博士生导师、教育部长江学者“青年学者”,国家优秀青年基金获得者,“复杂系统建模与仿真”教育部重点实验室主任。主要研究图像处理与机器学习,主持国家自然科学基金优秀青年基金、国家自然科学基金面上项目、浙江省杰出青年基金等项目。已发表国际学术论文100余篇,其中ESI高被引论文11篇,获得2012-2014年度IEEE TMM 最佳论文奖及2012-2016年度IEEE SPS 最佳论文奖,已申请发明专利20余项,入选教育部新世纪优秀人才计划、浙江省钱江学者特聘教授等人才计划,目前担任Pattern Recognition, Information Sciences, Neurocomputing等刊物的副主编。

报告摘要:跨媒体智能是新一代人工智能的重要组成部分,通过视听感知、机器学习和语言计算等理论和方法,构建出实体世界的统一语义表达,通过跨媒体分析和推理把数据转换为智能。传统的基于单一媒体数据构建的方法理论不能有效处理跨媒体中开放的内容特点和时空碎片化的关联关系,难以满足用户的多样化需求。为了有效地从海量跨媒体数据中获取知识,需要从内容、语义、用户等角度充分挖掘跨媒体关联语义信息。本报告主要介绍了近年来报告人在基于点击的图像检索、视觉问答、视觉定位等跨媒体应用研究中的相关成果。

特邀讲者

工学博士,现任哈尔滨工业大学深圳研究生院教授,博士生导师,IEEE高级会员。入选广东省“特支计划”人才、鹏城学者、教育部新世纪优秀人才、深圳市高层次人才地方级(领军)人才、哈工大杰出人才培育计划。研究方向为模式识别、生物特征分析与识别、图像处理、生物信息学。先后主持两项国家自然科学基金、深圳市杰青、哈尔滨工业大学杰出人才培育计划以及广东省自然科学基金等项目。获得多项国家发明专利;研发的人脸识别、视频分析等技术已经实际应用。获得2017年度计算机学会计算机视觉专委会遥感目标提取挑战赛第一名和2015年度阿里巴巴大规模图像搜索大赛二等奖。主编著作3部,发表高水平SCI期刊论文100篇,其中JCR一区论文72篇;连续4年入选中国高被引学者榜单。荣获SCOPUS“寻找青年科学之星”奖(2011年度),分别作为第一和第二完成人获得黑龙江省自然科学二等奖一项(2014年度)和江苏省科学技术(基础类)一等奖一项(2017年度)

报告摘要稀疏表示与字典学习广泛应用于计算机视觉问题的求解,算法的高效性与鲁棒性是这两类方法设计中的重要问题。常规稀疏表示算法的高计算复杂度是阻碍其实际应用的一大因素。本报告基于设计计算高效的稀疏表示算法的思路,介绍我们近年基于范数最小化和训练样例的局地性而设计的新型稀疏表示算法,并展示了其优异的性能表现。此外,结合人脸识别等应用领域,本报告介绍我们提出的鲁棒字典学习的思路与算法,以及实验对比分析。提出的鲁棒字典学习算法很好的考虑了人脸图象的多样性以及人脸结构的对称性,并恰当利用了profile的局地性约束。相关学术资源参见主页:http://www.yongxu.org/lunwen.html

特邀讲者葛仕明

男,博士,副研究员,博士生导师,中国科学院青年创新促进会成员。分别于2003年和2008年获得中国科学技术大学学士和博士学位,主要研究方向为人工智能安全、深度学习、计算机视觉等,在中国科学院大学及研究所主讲《深度学习基础及应用》、《人工智能安全》、《通信原理》等课程,发表论文50余篇。曾先后任职于诺基亚研究院、三星研究院和盛大创新院,从事技术研发和项目管理工作,曾负责多个企业重点项目,2013年通过高层次人才引进进入中国科学院信息工程研究所工作,获得研究所首届优秀引进青年人才支持。目前主持或参与国家重点研发计划、国家自然科学基金、企业研究院横向等课题,研究成果在安全、军事及工业视觉检测等领域得到应用。目前是国家242项目评审专家,IEEE高级会员,CCF高级会员,CAAI模式识别专委,CCF计算机视觉和多媒体技术专业委员会委员。

报告摘要随着数据采集手段和计算能力的高速发展,深度学习极大推动了很多人工智能应用的突破。在视觉应用上,基于深度学习模型的方法在物体检测、跟踪和识别都取得了当前最高的精度。尽管如此,要将这些高性能的深度学习模型在实际视觉应用中进行部署,仍存在很多挑战:一方面实际场景中的图像质量往往不尽如人意(如遮挡、低分辨率),另一方面通常模型在很多实际应用(如智能驾驶、机器人)中被要求部署在资源受限的设备上。在应对这些场景时,通用图像数据集上训练得到的深度学习模型的精度会极大下降,而大规模采集这些实际数据进行重新训练则会耗费大量人力物力且可能无功而返。一种经济且行之有效的手段是对已训练好的深度学习模型进行优化,提升精度和速度,以便能够适应资源受限条件下的实际部署。本报告分别以蒙面人脸检测和低分辨率人脸识别为例子,介绍在数据质量不完备条件下,通过深度学习模型的修正或优化来实现精度和速度的提升。

特邀讲者

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、图象图形学学会视觉大数据专委会主任、计算机学会计算机视觉专委会秘书长、图像视频大数据产业技术创新战略联盟秘书长、电子学会青年科学家俱乐部副主席。国家杰出青年科学基金获得者,国家青年科技奖获得者,中科院脑科学与智能技术卓越创新中心骨干人才,国家重点研发计划项目首席。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。

报告摘要本报告首先简介人工智能的概念和现状,然后介绍其重要的一个分支领域计算机视觉。视觉大数据分析是模式识别的前沿方向。近年来,深度学习已经在语音、视觉、自然语言处理等领域取得了很大成功,接下来重点回顾深度学习历史及其在视觉大数据分析中的应用进展。针对深度神经网络在结构、功能、泛化性等存在的问题,进一步探索模拟认知过程中的注意、记忆等机制,研究深度认知神经网络理论和方法。最后,展望了几个未来可能的研究方向。

执行主席欧卫华

博士,副教授,硕士生导师,系主任,国家自然科学基金委通讯评审专家,贵州省大数据管理局特聘专家,贵州省科技厅专家库专家,IEEE CCF 会员。2014年获华中科技大学工学博士学位,2016.11-2017.11澳大利亚悉尼大学国家公派博士后。主持国家自然科学基金青年基金1(已结题),国家自然科学基金地区基金1项,贵州省自然科学基金1项,校级博士启动基金1项,入选贵州省教育厅科技创新人才支持计划,获2016 Neurocomputing 审稿杰出贡献奖。在国际期刊IEEE Trans. On Neural Network and Learning SystemPattern Recognition, Neurocomputing和国际会议ICPRICONIPIJCNN等发表论文40余篇,Google Scholar 引用300多次,H指数9。目前担任 Pattern RecognitionNeurocomputingComputers in Biology and Medicine等国际期刊的审稿人,曾担任ICONIP 2015SPAC 2017 Session Chair. 主要研究领域是计算机视觉和机器学习。

执行主席曹永锋

贵州师范大学教授,博士,博士生导师,贵州师范大学大数据与计算机科学学院“图像处理与机器视觉研究所”,贵州省教育厅创新群体“影像大数据智能处理关键技术研究”负人。ISDE国际数字地球协会个人终身会员, 贵州省通信学会常委, 贵州省大数据发展专家库专家。1999年毕业于原武汉测绘科技大学电子仪器与测量技术专业,获工学学士学位。1999-2001年武汉测绘科技大学攻读信号与信息处理专业硕士学位,2001年起武汉大学攻读通信与信息系统专业博士学位,2004年12月获得工学博士学位。2014.10-2015.10 加拿大滑铁卢大学Vision and Image Processing (VIP)实验室国家公派访问学者。主持国家自然科学基金2项,省级基金2项,国家重点实验室开放基金2项,校级教师资助基金2发表学术论文50余篇,授权发明专利4项。目前研究方向:图像处理与机器视觉,遥感图像解译,模式识别与机器学习。

会场路线图

CCF-CV 网站:http://ccfcv.ccf.org.cn

【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!