分论坛 > 厦门 > 新闻动态
CCF YOCSEF(厦门)—模式识别与计算机视觉报告会
2018-12-24 阅读量:1230 小字

CCF YOCSEF(厦门)—模式识别与计算机视觉报告会

2018年12月20日,由CCF YOCSEF厦门主办,厦门大学承办的中国计算机学会计算机视觉专委走进高校系列报告会(第66期)在厦门大学克立楼报告厅隆重举行并取得圆满成功。研讨会执行主席为厦门大学纪荣嵘教授。本期报告会邀请了浙江大学章国锋教授,西安交通大学孟德宇教授,西安电子科技大学邓成教授,华南理工大学金连文教授,中山大学郑伟诗教授,哈尔滨工业大学左旺孟教授六位专家学者做特邀报告。来自厦门大学、集美大学、华侨大学等高校的100余名师生聆听了六位专家的报告。

    

221

图1、报告会现场

2222

图2、CCF YOCSEF厦门委员与特邀专家合影

报告由国家优秀青年科学基金项目获得者、厦门大学闽江学者特聘教授纪荣嵘主持,纪荣嵘教授对各位专家学者的到来表示热烈的欢迎和衷心的感谢,并简要介绍了厦门大学信息科学与技术学院的发展情况,希望通过此次中国计算机学会计算机视觉专委会走进厦门大学信息科学与技术学院的活动,进一步提高厦门大学信息科学与技术学院师生在人工智能和大数据领域的研究热情。

2223

图3、章国锋教授做报告

浙江大学章国锋教授的报告题目是“视觉SLAM技术及应用”。虽然基于视觉的同时定位与地图构建(Visual SLAM)在过去十多年里取得了很大的进展,但要满足实际的应用需求仍需要解决一些关键性难题。尤其是如何在移动设备上做到实时稳定的跟踪,如何处理快速运动和强旋转?如何实现高效的全局优化?浙江大学章国锋教授与大家分享了解决这些关键问题所做的研究工作以及在AR上的应用。


2225

图4、孟德宇教授做报告

西安交通大学孟德宇教授的报告题目是“Robust Machine Learning for Streaming Data”。流式数据是大数据的基本表现形式之一,而其典型特点是其噪声具有显著的动态性。目前针对流式数据的数据分析方法大多隐含假设独立同分布噪声,这与其内在动态性并不相符。西安交通大学孟德宇教授深入讨论了针对这种类型的流式数据,构建鲁棒性机器学习的一种实现策略,并介绍在这种策略下的各种应用尝试,包括在线视频前背景分离,在线视频去雨,在线视频压缩及其实时无线通信信道监测等。

2224

图5、邓成教授做报告

西安电子科技大学邓成教授的报告题目是“深度跨模态哈希学习”。搜索引擎和社交媒体的快速发展使得多媒体数据呈现爆炸式增长,跨模态检索已经成为近年来的研究热点。面向实际应用,跨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“模态鸿沟”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跨模态检索领域取得了初步成功,引起了人们的广泛关注。西安电子科技大学邓成教授从有监督和无监督两种方式出发,探讨了当前最新的深度跨模态哈希学习方法,为减轻模态间的“模态鸿沟”及提高检索精度提供了有益借鉴。

2226

图6、金连文教授做报告

华南理工大学金连文教授的报告题目是“Deep Path Signature:一种新的序列特征表示方法及其在图文识别”。路径重积分(Path Signature)是近年来在随机分析领域发展起来的一种新的数学理论及方法,可唯一确定任意非树状路径(Tree-like path)的解析特性。现实生活中很多数据(如视频、语音、人体运动行为、手写笔迹、金融等)均可以看成是一种时间序列路径数据,路径重积分为分析及理解这些数据提供了一种全新的视野。在此报告中,华南理工大学金连文教授从机器学习与模式识别的视角,简要介绍路径重积分的基本概念、理论及方法,并介绍如何将之与深度学习结合起来解决计算机视觉及模式识别中的一些典型实际应用问题,包括大类别无约束联机手写体文字识别、人体运动行为分析与识别、手势识别等。

2227

图7、郑伟诗教授做报告

中山大学郑伟诗教授的报告题目是“行人重识别的若干难点问题”。为了在大范围多摄像机网络下实现行人连续追踪,过去多年以来,行人重识别得到了广泛和深入的发展,现有方法已经在许多标志性的数据库上达到非常高的识别率效果。然而,行人重识别在实际中仍然面临大量开放性难题,包括低分辨率、遮挡、跨模态、少量类标问题等。中山大学郑伟诗教授探讨了这几方面的研究发展以及他们在这几方面的工作和进展。

2228

图8、左旺孟教授做报告

哈尔滨工业大学左旺孟教授的报告题目是“基于多域视觉数据的图像增强与生成”。随着互联网的发展以及视觉感知、传输和分享技术的普及,越来越多的视觉任务开始考虑多域数据的结合、转换与生成问题。生成式对抗网络作为一种新兴的无监督学习模型,在其中发挥着越来越重要的作用。哈尔滨工业大学左旺孟教授从风格迁移出发,围绕图像增强、填充与转换等任务,针对使用阶段是否存在成对的多域数据分别加以介绍。当训练和使用阶段均存在成对的多域数据时,介绍其在引导深度图增强、引导人脸图像增强和图像智能填充等方面的进展。当训练和使用阶段不存在成对的多域数据时,以人脸属性编辑为例,介绍从特定编辑模型到通用任意编辑模型的发展过程。

2229

图9、与专家进行探讨

八个小时的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学生们享受了一次学术盛宴,启发了参会人员的研究思路,拓展了大家在计算机视觉方面的学术眼界,感受到现代科技的极大魅力和广阔的空间。最后报告会在热烈的掌声中圆满结束。


CCF聚焦