【预告】CCF-CV走进高校系列报告会(第104期,湖北民族大学)

阅读量:366
2021-07-17


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

湖北民族大学 · 恩施

(第104期)

主题:计算机视觉前沿技术及应用

时间:2021年7月30日下午13:30-17:30

地点:湖北民族大学信息工程学院二楼学术报告厅

13:30 活动签到

13:50 领导致辞

14:00 报告会开始

特邀讲者:林宙辰 博士,北京大学教授

演讲题目:Learning Deep Sparse Regularizers

特邀讲者:李伟生 博士,重庆邮电大学教授

演讲题目:多模态医学图像处理的多维可视化方法

特邀讲者:操晓春 博士,中国科学院信息工程研究所研究员

演讲题目:AI驱动的网络空间内容安全

特邀讲者:张兆翔 博士,中国科学院自动化研究所研究员

演讲题目:视觉目标检测大模型GAIA —面向行业的视觉物体检测一站式解决方案

17:00 研究点评

青年教师汇报研究工作,专家点评并给出建议。

执行主席

谢坤武 教授,湖北民族大学信息工程学院院长、党总支副书记

讲者 / 报告信息

特邀讲者 林宙辰


北京大学教授,IAPR/IEEE Fellow,国家杰青,中国图象图形学学会机器视觉专委会主任,中国自动化学会模式识别与机器智能专委会副主任。研究领域为机器学习、计算机视觉和数值优化。发表论文230余篇,英文专著2本,谷歌引用2万余次,获2020年度中国计算机学会科学技术奖自然科学一等奖。多次担任CVPR、ICCV、NIPS/NeurIPS、ICML、IJCAI、AAAI和ICLR领域主席,曾任IEEE T. Pattern Analysis and Machine Intelligence编委,现任International J. Computer Vision、Optimization Methods and Software编委和ICPR 2022程序共同主席。

报告摘要Sparsity constrained optimization problems are common in machine learning, such as sparse coding, low-rank minimization and compressive sensing. However, most of previous studies focused on constructing various hand-crafted sparse regularizers, while little work was devoted to learning adaptive sparse regularizers from given input data for specific tasks. In this talk, I will introduce a deep sparse regularizer learning model that learns data-driven sparse regularizers adaptively. Via the proximal gradient algorithm, we find that the sparse regularizer learning is equivalent to learning a parameterized activation function. This encourages us to learn sparse regularizers in the deep learning framework. Therefore, we build a neural network composed of multiple blocks, each being differentiable and reusable. All blocks contain learnable piecewise linear activation functions which correspond to the sparse regularizer to be learned. Further, the proposed model is trained with back propagation, and all parameters in this model are learned end-to-end. We apply our framework to the multi-view clustering and semi-supervised classification tasks for learning a latent compact representation. Experimental results demonstrate the superiority of the proposed framework over state-of-the-art multi-view learning models.

特邀讲者 李伟生


重庆邮电大学教授、博士生导师,教育部新世纪人才,重庆市学术技术带头人,入选重庆市“百千万工程领军人才培养计划”,“重庆市杰出青年科学基金”获得者,重庆英才“大数据智能计算”创新创业示范团队负责人,重庆邮电大学计算机科学与技术学院/人工智能学院副院长、“图像认知”重庆市重点实验室主任,CCF重庆分部副主席、ACM重庆分会副主席。主持了包括国家重点研发计划政府间国际合作项目、国家自然科学基金联合重点项目、武器装备预研基金项目、教育部科学技术研究重点项目、重庆市自然科学基金重点项目等30余项的研究。主要研究方向为大数据智能计算、模式识别、数字图像处理等,在IEEE TIP、IEEE TGRS、IEEE TBME和CVPR等期刊和会议上发表论文100余篇,曾获吴文俊人工智能科技进步奖一等奖、重庆市自然科学一等奖、重庆市科技进步一等奖等奖励。

报告摘要:针对多模态医学图像处理面临的器官与组织的准确分割、特征提取与配准、有效融合,以及传统的可视化大多停留在数据的显示层面,难以精确地掌握器官内管道的分布及病灶信息等问题,从多模态医学图像处理的基本问题和模型着手,利用临床CT、MRI、PET等多模态医学影像建立多维可视化的数字化结构解剖模型,实现对器官及组织的各个参数的精确测量,增强医学影像的可靠性、稳定性及容错能力。

特邀讲者 操晓春


中国科学院信息工程研究所研究员,主要从事计算机视觉基础研究和网络空间内容安全应用研究;国家杰出青年基金、优秀青年基金获得者,入选国家“万人计划”青年拔尖人才支持计划;兼任IEEE TIP/TMM/TCSVT的编委(SAE或AE)、 NeuIPS/ICCV/CVPR/IJCAI/ACMMM等的Area/Track Chairs;指导博士生获得CCF优博论文和中科院优博论文各1篇;获得省部级一等奖和二等奖各1项。

报告摘要5/6G网络和AI技术的发展正持续改善网络空间的内容和服务质量,但同时也带来各种潜在内容安全问题:一方面,伪造、虚假、不良的媒体内容充斥于网络空间,影响社会稳定和个人声誉;另一方面,公开来源网络数据蕴含丰富的各种商业情报,但由于其价值密度极低,导致高价值信息挖掘如大海捞针。针对上述网络空间安全应用,报告人拟介绍信工所团队在网络空间视觉内容生成与识别方向学术探索的最新进展,以及搭建的一套视觉大数据价值挖掘系统。具体包括:开源数据的云弹性采集与强智能搜索、数据驱动的自底向上深度抽象归纳、知识驱动的自顶向下演绎推理、人工智能深度攻防对抗等。

特邀讲者 张兆翔


中国科学院自动化研究所研究员、博士生导师,中国科学院大学岗位教授,中国科学院脑科学与智能技术卓越创新中心骨干,入选“教育部长江学者奖励计划”、“国家万人计划青年拔尖人才”,研究方向包括:物体检测与分割,视觉认知计算,类脑智能等,担任或曾担任 IEEE T-CSVT、Patten Recognition、NeuroComputing 编委(Associate Editor),是CVPR、ICCV、AAAI、IJCAI、ACM MM、ICPR、ACCV 等国际会议的领域主席(Area Chair)。

报告摘要伴随着深度学习的兴起,计算机视觉领域的诸多任务如物体检测、物体分割等取得长足进展,但是单一模型应用到特定领域和任务时还是存在迁移困难、数据少、定制性差等问题。本报告介绍课题组最新的进展GAIA模型。该模型能够针对不同任务和边缘计算,自动提供定制化模型,具有较好的理论价值和应用前景。

执行主席 谢坤武


湖北民族大学教授,主要研究方向为数据挖掘、信息处理。先后主持完成湖北省科技攻关计划项目《恩施州科技基础数据库设计与实现》,参与完成国家自然科学基金项目《多核环境下实时数据库系统节能关键技术》、《移动环境下实时数据库系统能耗对服务质量影响研究》。在《计算机研究与发展》、《计算机科学》等期刊发表论文31篇,教研成果获得省级一等奖、三等奖。

活动报名

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:

点击下面链接或者扫描下面二维码报名 https://www.wjx.cn/vj/h4XTVcZ.aspx  (请于7月26日前填写)。 有任何问题请发邮件给邮箱202030399@hbmzu.edu.cn或电话咨询朱老师 15549126668

参加方式:

免费参加,敬请光临。


活动地点:湖北民族大学信息工程学院二楼学术报告厅