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

遵义师范学院·遵义（第57期）

2018年6月22日（星期五）08:50–12:10

遵义师范学院(新浦校区)学术交流中心二楼

学术报告厅

报告会主题

计算机视觉前沿技术及应用

程  序

08:30 签到

08:40 领导致辞

08:50 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：视觉大数据的智能分析与理解

特邀讲者：徐 勇  博士, 哈尔滨工业大学 教授

演讲题目：视觉数据的高效与鲁棒表示方法

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：基于高性能深度学习的低质量视觉分析

特邀讲者：毋立芳  博士，北京工业大学 教授

演讲题目：基于深度学习的视觉理解

执行主席：

吴有富  博士，遵义师范学院信息工程学院 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：qwang@zync.edu.cn (请于6月20日前将参会回执回复至该邮箱，邮件主题请注明“CCF－CV遵义师范学院报告会回执”)  

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、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。

特邀讲者：徐 勇

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：毋立芳

博士，北京工业大学教授, 博士生导师。主要研究方向图像视频分析、社会媒体计算、智能3D打印等。近年来承担科技部重点专项课题、国家自然科学基金、北京市科技计划项目、北京市基金重点项目等20余项，发表学术论文100余篇，获授权发明专利20余项。获北京市科技进步奖三等奖、中国电子学会电子信息科学技术奖三等奖、中国体育科学技术二等奖各1项，曾获“北京市中青年骨干教师”称号。现任中国计算机学会计算机视觉专委会副秘书长，中国计算机学会多媒体专委会委员，中国电子学会信号处理分会委员，《信号处理》、《中国科技论文信息卷》编委。

报告摘要：深度学习在计算机视觉领域取得的长足的进步，产生了很多实际应用系统，深度学习要求大的数据库进行模型训练，近年来社交网络的快速发展使其成为收集数据的重要渠道，但是借助社交网络收集的数据集通常存在较多噪音，这对于模型训练结果有影响。报告将结合研究组在视觉语义理解方面的两个工作——图像情感分析和视频语义事件分类，讨论如何引入更多有效信息进行数据清洗，如何结合特定应用场景对数据进行扩充，结合改进算法，提升性能。

执行主席：吴有富

遵义师范学院教授，博士，硕士生导师，副校长。教育部新世纪优秀人才，贵州省管专家，贵州省计算机安全鉴定学会副会长。2002年起法国波尔多第三大学攻读信号处理专业博士学位，2005年获得工学博士学位。主持国家自然科学基金项目等省部级以上项目16项，在国内外相关的重要学术刊物上发表科技论文80多篇，出版专著4部，获得贵州省自然科学“优秀论文”一等奖。目前研究方向：计算机视觉、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！