2018年10月31日下午，由中国计算机学会计算机视觉专委会主办，兰州工业学院科技处和软件工程学院共同承办的第六十二期CCF-CV走进高校系列报告会“人工智能前沿技术及应用”在兰州工业学院第三学术报告厅成功举行。

报告会邀请了北京交通大学赵耀教授、西安电子科技大学邓成教授、合肥工业大学贾伟副研究员和南京理工大学潘金山教授出席并作了精彩报告。兰州工业学院软件工程学院院长李向伟教授和甘肃政法学院网络空间安全学院副院长武光利副教授担任执行主席。报告会由李向伟院长主持。参会人员有来自兰州工业学院的教师和学生，省内各大高校的教师和研究生，以及来自华为、东软等企业的相关研究人员，总人数多达300余人，整个学术报告厅座无虚席。

    首先，兰州工业学院副校长郑小平致开幕辞。在致辞中，郑校长介绍了本次报告会和兰州工业学院的基本情况，同时，对各位专家学者到来表示热烈的欢迎和衷心的感谢，也希望本次报告会能够激发我校老师和同学们的科研热情，提升我校在计算机视觉与人工智能领域的科研水平与学术影响力，对技术创新与成果转化产生积极的影响。

    李向伟院长介绍了各位特邀讲者和嘉宾。李院长期望今天的报告会能够促进各位专家和学者的交流，促进我校“AI+智慧学习”人工智能学院的建设。

    北京交通大学赵耀教授就“基于深度学习的弱监督图像语义分割”作了开场报告。报告以像素级标注存在巨大负担为引子，介绍了近年来相关学者提出的许多弱监督语义分割技术，并介绍了当前随着深度卷积神经网络的进步，语义分割技术所取得的显著成果。然后，赵教授介绍了自己团队在基于深度学习的弱监督语义分割方面所作的工作及取得的成果。

   西安电子科技大学邓成教授就“深度多模态哈希学习”进行了报告。邓教授讲到，搜索引擎和社交媒体的快速发展使得多媒体数据呈爆炸式增长的态势，多模态检索已经成为近年来的研究热点。在面向实际应用的过程中，多模态检索要求具有低存储消耗和快速响应查询等特点。此外，不同模态数据之间存在的“语义鸿沟”是造成检索精度不高的主要原因。鉴于此，深度哈希学习方法在多模态检索领域取得了初步成功，引起了人们的广泛关注。报告从有监督和无监督两种方式出发，探讨当前最新的深度多模态哈希学习方法，为减轻模态间的“语义鸿沟”及提高检索精度提供了有益借鉴。

   合肥工业大学贾伟教授就“人工智能时代的生物特征识别技术”进行了报告。本报告贾教授首先对人工智能时代进行介绍，其次介绍生物特征识别技术的基本概念，再次介绍自己对生物特征识别技术2.0的初步思考，最后简要介绍自己团队在生物特征识技术方面所做的工作及已取得的一些研究进展。

   南京理工大学潘金山教授就“基于物理成像模型的深度神经网络学习算法及应用”作了报告。潘教授指出，现有的基于深度神经网络的图像复原算法大多采用端到端的黑箱方式，网络结构设计上没有有效利用图像退化过程的性质。针对这一问题，潘教授首先介绍图像退化的物理成像模型以及传统的基于物理成像模型的相关复原算法，并以此为基础讨论如何利用物理成像模型约束深度神经网络，使得深度神经网络能够更有效地刻画并解决图像复原问题（如图像去模糊、去雾、超分辨率、去雨等）。

   此次CCF-CV走进高校系列报告会现场气氛热烈，互动活跃，师生们就相关专业问题与专家们进行深入交流，由此激发的学术钻研热情与学科融合氛围将推动软件工程学院后续的技术创新与成果转化。通过本次报告与会人员与特邀专家面对面的沟通、交流和研讨，达到了相互学习与借鉴，促进合作与发展的目的，与会的专家学者对本次报告会的组织工作给予了充分的肯定