【总结】CCF-MM走进高校@河南科技大学

CCF TCMT CCF多媒体专委会 2018-09-20

CCF-MM走进高校系列活动

CCF@U：CCF-MM

河南科技大学

9月13日下午，由中国计算机学会（CCF）多媒体技术专业委员会组织的“CCF走进高校”活动在河南科技大学召开。本次活动邀请了长江学者、国家杰出青年基金获得者、北京邮电大学马华东教授，国家优秀青年基金获得者、中科院计算所蒋树强研究员，国家优秀青年基金获得者、江西财经大学方玉明教授，北京大学刘家瑛博士作学术报告。河南科技大学副校长魏世忠教授出席活动并致欢迎辞。来自河南科技大学计算机相关专业的研究生、本科生，以及同城高校的CCF会员等200余人参加了活动。活动由信息工程学院副院长付主木教授主持。

在四个小时的活动中，四位专家学者做了一场高屋建瓴、极具前瞻性的学术报告。他们的报告从物联网到人工智能，从图像处理到计算机视觉，从计算智能到人体动作分析与理解，涉及物联网、人工智能和多媒体技术等信息技术多个领域方向，报告内容十分充实，是一场难得的学术盛宴。

马华东教授的报告《物联网+人工智能: 探索与展望》，以智慧城市应用为背景，介绍了智能感知网络面临的挑战和问题，特别是结合AI理论在物联网环境中感知、组网、计算、服务等方面进行的探索和相关研究进展，最后对未来物联网发展进行了展望。

蒋树强教授的报告《视觉场景识别与理解中的物体关系》，讨论了视觉场景理解与描述的研究现状，分析了物体关系这种深层次的视觉关联关系对视觉场景理解与描述的作用，阐述了基于物体关系的场景识别、视觉关系检测和指示表达等最新研究工作，并对发展趋势和应用场景进行展望。

方玉明教授的报告《图像质量评价：理论、方法与应用》，介绍了图像质量评价概念、分类及基本理论方法，回顾了过去十年来的相关进展，进一步，阐述了其研究团队在该领域的一些相关工作，来说明图像质量评价模型的构建方法和应用。

刘家瑛博士的报告《人体行为的智能分析与理解》，介绍了一种基于置信度网络的实时在线动作检测算法，并深入分析了基于单模态和多模态数据的动作检测性能差异，以实现处理速度和精度的平衡。最后，介绍了规模最大的多模态人体动作数据库PKUMMD，为人体动作分析与理解领域的研究和发展提供有力的数据支撑。

在本次活动的互动环节，现场的师生踊跃发言，各位专家对此做了耐心详细的解答，同学们受益匪浅。报告会在热烈掌声中圆满结束。

本次活动不仅扩大了河南科技大学信息技术领域师生的专业和科研视野，同时也提升了学校师生对CCF宗旨、品牌活动和为计算领域专业人士服务的认识，加强了中国计算机学会和河南科技大学CCF会员之间的深入交流与互动。

听者感言

史培宁 CCF学生会员 计算机科学与技术2016级研究生

“CCF走进高校”公益演讲活动第一次走进河南科技大学，有幸聆听了四位老师的精彩报告，让自己进一步接触到物联网+AI、视觉场景识别与理解、图像质量评价以及人体行为的智能分析和理解方面的前沿研究与发展现状。 马华东教授以智慧城市为背景，向我们介绍人工智能在物联网环境中感知、组网、计算、服务等方面进行的探索和相关研究进展；蒋树强教授为我们分析了物体关系这种深层次的视觉关联关系对视觉场景理解与描述的作用，视觉场景中的信息涉及不同层次、不同粒度和不同角度，全面理解视觉场景则是实现视觉内容高效关联和准确搜索的基础；通过方玉明教授的报告，让自己对图像质量评价的概念、模型构建以及应用都有了一定的了解；刘家瑛博士向我们介绍了一种基于置信度网络的实时在线动作检测算法，通过分析基于单模态和多模态数据的动作检测性能差异，以实现处理速度和精度的平衡。 通过四位教授的演讲，让自己在了解了相关方向的前沿研究的同时，也对自己的研究内容有了一些新的思路。衷心地感谢四位教授为我们带来的这场精彩演讲。

金波 CCF学生会员 计算机科学与技术2017级研究生

这次活动有幸听到四位老师的讲座，收获颇丰，受益匪浅。 马华东教授的“物联网+人工智能: 探索与展望”报告，介绍了智能感知网络面临的挑战和问题，并对未来物联网发展进行了展望，让我们接触到了前沿科技，给予我无限启迪；蒋树强研究员的“视觉场景识别与理解中的物体关系”报告，精彩绝伦，让我们对视觉场景有了一定的理解；方玉明教授的“图像质量评价：理论、方法与应用”报告，充分阐明了图像质量评价的相关概念以及基本理论方法，生动形象，拓展了我们的知识；刘家瑛博士的“人体行为的智能分析与理解”报告，精彩纷呈，引领我们探索新的领域。

吕俊 CCF学生会员 计算机科学与技术2017级研究生

有幸能够参加在科大举办的“CCF走进高校”活动，目睹北京大学刘家瑛博士的风貌。刘博士的报告声情并茂，她开放式的思想，以及严谨性的思维模式令人折服。报告的主题是“人体行为的智能分析与理解”，刘博士从轻量级的人体骨架的相关数据入手，利用时空域注意力模型提取更具判别力的特征模型，从而提升了动作识别的准确度。该框架同时能够依据时域注意力的动作响应，确定动作发生的起止点，完成动作检测。刘家瑛博士还重点突出介绍利用机器学习的方法，置信度网络的实时在线动作检测算法，并分析基于单模态和多模态数据的动作检测性能差异，以实现处理速度和精度的平衡。 听她的报告，特别能够感受到身为一个科研工作者的研究热情。同时，觉得自己到还有很多很多的知识需要学习和补充，这样未来才能够将自己最大的价值体现出来。

张蓝方 CCF学生会员 计算机科学与技术2017级研究生

有幸参加了CCF四位教授在河南科技大学报告厅做的报告，其中对中科院计算机研究员蒋树强老师的“视觉场景识别与理解中的物体关系”的报告印象深刻。报告主要讨论了视觉场景理解与描述的研究现状，分析了物体关系这种深层次的视觉关联关系对视觉场景理解与描述的作用，并且介绍了基于物体关系的场景识别、视觉关系检测和指示表达等最新研究工作，并对发展趋势和应用场景进行展望。尤其是分析物体关系这种深层次的视觉关联关系对视觉场景理解与描述的作用对我受益匪浅。真心感谢四位老师为我们传授知识和解答疑问，感谢这场活动的组织者，同时也非常期待中国计算机学会能够再次来到河南科技大学。