2019年9月10日上午，由中国计算机学会计算机视觉专委会（CCF-CV）主办，吉林大学计算机学科（计算机科学与技术学院、软件学院、计算机科学技术研究所、国家级计算机实验教学示范中心、符号计算与知识工程教育部重点实验室、海战场攻防对抗仿真技术教育部重点实验室）、CCF长春、YOCSEF长春、CCF吉大和吉林省计算机学会联合承办的第78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”在吉林大学计算机楼B108报告厅举行。吉林大学和省内相关高校和企业的150多名师生、学者和业内人士参加了报告会。

本期报告会邀请了厦门大学纪荣嵘教授、大连理工大学王栋副教授、北京大学刘家瑛副教授和南京理工大学李泽超教授等四位专家学者做特邀报告，吉林大学计算机学院副院长李文辉教授和车翔玖教授担任本次报告会的执行主席。

吉林大学大数据与网络管理中心主任车翔玖教授首先对报告会背景、特邀专家进行了介绍并致欢迎辞，计算机科学与技术学院副院长李文辉教授主持了会议，对CCF-CV走进高校系列活动走进吉林大学表示热烈的欢迎，尤其是正值教师节期间，对各位远道而来的专家表示诚挚的感谢！希望CCF-CV和吉林大学计算机学科在未来有更多的交流和合作！

报告信息

纪荣嵘教授从生活中的深度学习开始，向同学们讲解深度学习带来极大的便利。然而，为特定任务建立高质量深度学习系统的过程不仅耗时，而且需要大量资源并依赖于人类专业知识，这阻碍了工业界和学术界的深度学习的发展。为了缓解这个问题，越来越多的研究项目专注于自动化机器学习。在这次报告中，纪教授提供了有关最先进的NAS的研究概述，介绍了NAS的主要组成部分，并且目前针对这几个部分的最优的文章的方法以及改进。最后提出了纪教授项目组在NAS领域上几个贡献。

王栋副教授在报告中讲到，近年来在线视觉跟踪研究已取得突破性进展，跟踪精度和速度在OTB和VOT等短时跟踪数据库上均取得了非常出色的表现。然而，针对长时视觉跟踪问题的研究及相关Benchmark的建立刚刚起步。长时视觉跟踪不仅包含传统跟踪问题中的难点而且存在目标频繁消失并重新出现这一新的挑战。因此，要求跟踪算法同时具备短时精准快速跟踪和长时全图重找回的能力，以及判断目标是否被跟踪或已丢失的能力。本次报告，王老师以团队在VOT2018长时比赛冠军算法和ICCV2019最新接收论文为基础，介绍长时视觉跟踪前沿进展以及深度学习算法在长时目标跟踪问题上的初步探索。

基于数据驱动的深度图像增强处理技术发展迅速，在本次报告中，刘家瑛副教授从传统最大后验概率框架出发，思考如何在数据驱动框架中嵌入学习先验的有效方法。在刘老师近期的研究工作中，利用多任务学习、对抗生成网络以及无监督学习等技术，构建side prior和learned prior，提升图像视频去雨与低光照增强的性能。介绍了单张图像雨痕联合检测与去除、视频雨痕去除与背景帧重建、无监督视网膜表示低光照增强和一个关于低光照增强的包含底层视觉和高层视觉的benchmark。

李泽超教授首先提到图像视频大数据智能分析与理解在多种实际应用中具有至关重要的作用，比如无人驾驶、网络空间内容安全以及社会公共安全等。他针对图像视频大数据智能理解，从底层特征表示到高层语义理解展开研究，提出了多种面向语义理解的特征选择方法以及特征抽取方法，从原始特征中选择有效的特征子集以及学习到一个有效的特征表示；提出了渐进式度量学习方法，挖掘社交网络的上下文信息，建立底层特征与高层语义之间的语义映射；提出了深度协同因子分解模型，将图像和标签映射到统一空间，同时解决图像标注、标签优化、基于内容的图像检索以及标签扩展等多种任务。同学们对李教授的分享展现了极大的兴趣，踊跃发言，李教授耐心伟同学们一一解惑。本次报告受到一致好评。

报告会现场气氛热烈，同学们纷纷针对专家报告提出自己感兴趣的问题，专家给了详细解答，报告会在热烈的气氛中圆满结束。