2018年6月22日，由中国计算机学会计算机视觉专委会主办、遵义师范学院信息工程学院承办的第57期CCF-CV走进高校系列报告会活动——“计算机视觉前沿技术及应用”报告会在遵义师范学院新蒲校区学术交流中心2楼报告厅成功举行。本期报告会邀请了中国科学院自动化研究所王亮研究员、哈尔滨工业大学徐勇教授、中国科学院信息工程研究所葛仕明副研究员、北京工业大学毋立芳教授四位专家学者做特邀报告。来自遵义师范学院的100多名师生聆听了四位专家的报告。

师范学院信息工程学院院长刘彦斌教授和王谦副教授主持，遵义师范学院吴有富副校长致欢迎辞。吴校长对各位专家学者来到遵义师范学院表示热烈的欢迎和衷心的感谢，并简要介绍了遵义师范学院的发展历史，希望通过此次中国计算机学会计算机视觉专委会走进遵义师范学院，进一步提高遵义师范学院师生在人工智能和大数据领域的研究热情。

中科院自动化研究所模式识别国家重点实验室副主任王亮研究员的报告题目是“视觉大数据的智能分析与理解”。王亮研究员首先简要介绍人工智能的概念和现状，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，介绍了他们实验室的相关研究工作，展望了未来研究方向。

哈尔滨工业大学徐勇教授的报告题目是“视觉数据的高效与鲁棒表示方法视觉数据的高效与鲁棒表示方法”。徐教授介绍了近年基于2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，介绍了鲁棒字典学习的思路与算法，以及实验对比分析。提出的基于自适应局部特征约束的字典学习算法(ALC-DL) 既能继承训练样本的结构特征，又能保持原子的结构特征，具有一定的鲁棒性。

中国科学院信息工程研究所葛仕明副研究员的报告题目是“基于高性能深度学习的低质量视觉分析”。报告介绍了将深度学习模型部署在实际视觉应用中存在的资源受限的问题，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。葛博士分别以蒙面人脸检测和低分辨率人脸识别为例子，介绍了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。

北京工业大学毋立芳教授的报告题目是“基于深度学习的视觉理解”。报告针对深度学习要求大的数据库进行模型训练，借助社交网络收集的数据集通常存在较多噪音，人工标注数据和语义事件对应节点不一致等问题展开。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，讲述了如何引入社交网络上的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。

三个多小时的CCF-CV走进高校系列报告中，专家讲解深入浅出，内容精彩纷呈。互动环节热烈而高潮迭起，专家们耐心解答师生代表提出的问题。他们所展示的研究成果让身处祖国西部的莘莘学子们接受了一次思想洗礼，享受了一次学术盛宴，感受到现代科技的极大魅力和广阔的空间。最后此次报告会在热烈的掌声中圆满结束。