【海韵讲座】2021年第1期-中国计算机学会计算机视觉专委会走进高校系列报告会
发布时间:2021-03-31 点击:

报告题目中国计算机学会计算机视觉专委会走进高校系列报告会

主讲人:

特邀讲者:吴建鑫博士南京大学教授

演讲题目:面向非充分数据的深度学习

特邀讲者:刘青山博士南京信息工程大学教授

演讲题目:视觉信号的稀疏表示与深度压缩感知重建

特邀讲者:彭宇新博士北京大学教授

演讲题目:跨媒体智能:检索、生成与推理

特邀讲者:熊红凯博士上海交通大学教授

演讲题目:基于信号处理理论的卷积神经网络

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:对抗环境下的计算机视觉

时间:2021331日(星期三)14:30-18:00

地点:厦门大学海韵行政楼A201报告厅

摘要1

非充分数据指的是当数据自身的数量或其标记的数量、质量存在缺陷的情况,如数据总量小、标记数量少、标记质量差、分布不均衡等。当前视觉深度学习研究的一个重要方向是:从具有大量准确标记的图像数据这一理想情况,转向对非充分数据情形下的研究。报告将从非充分数据的三种常见情况:数据总量少、分布不均衡、标记质量差,介绍本研究小组在非充分数据研究方面的一些进展。

报告人简介1

南京大学教授、博士生导师。主要从事计算机视觉和机器学习领域的研究,在人工智能重要期刊和会议如TPAMI JMLR ICCVCVPR等发表论文六十余篇。担任国内外重要期刊TPAMIPR、《自动化学报》的编委,多次担任重要国际会议CVPRICCVAAAIIJCAI等的(资深)领域主席。据Google Scholar统计,论文被60余个国家和地区的学者他引超过10000次。

摘要2

视觉信号的稀疏表示与深度压缩感知重建。深度学习作为核心技术,稀疏性是信号的一种内在特性,利用信号的稀疏性,可以有效解决高维数据的低维表示。同时,利用信号的稀疏先验知识和很少的测量,就可以通过压缩感知技术来重建原信号。本报告着重与大家分享我们在视觉信号的稀疏低维表示,以及深度压缩感知重建方面的主要研究工作。

报告人简介2

博士,南京信息工程大学教授,主要从事模式识别、图像理解等研究,近年来主持承担了国家杰出青年科学基金项目、国家自然科学基金重点项目等。先后入选江苏省特聘教授、江苏省双创团队领军人才、科技部中青年领军人才、教育部特聘教授等,荣获教育部自然科学二等奖、中国电子学会自然科学一等奖、和中国计算机学会自然科学二等奖等。兼任中国自动化学会模式识别与机器智能专委会副主任、中国计算机学会计算机视觉专委会副主任、中国图形图像学会学术工委主任、江苏省人工智能学会副理事长等。

摘要3

随着多媒体和互联网技术的迅猛发展,图像、视频、文本、音频等多媒体大数据快速增长。它们多源异构且相互关联,使得信息检索、数据生成、推理决策面临跨源、跨域、跨媒体等重要挑战。如何借鉴人脑的跨媒体处理特性,跨越视觉、语言等不同感官信息来感知和认知外部世界,对于提高计算机的智能水平至关重要。本报告将介绍我们的近期研究工作,包括跨媒体检索、视觉-语言相互生成、视觉常识推理等,并进行相关系统展示。

报告人简介3

北京大学二级教授、博雅特聘教授、博士生导师、国家杰出青年科学基金获得者、国家科技创新领军人才、科技部中青年科技创新领军人才、中国人工智能产业创新联盟专家委员会主任委员、中国工程院“人工智能2.0”规划专家委员会专家、中国图象图形学学会副秘书长。主要研究方向为跨媒体分析与推理、图像视频识别与理解、计算机视觉。以第一完成人获2016年北京市技术发明一等奖和2020年中国电子学会科技进步一等奖。主持了863、国家自然科学基金等20多个项目,发表论文160多篇,包括ACM/IEEE TransCCF A类论文70多篇。多次参加由美国国家标准技术局NIST举办的国际评测TRECVID视频样例搜索比赛,均获第一名。主持研发的跨媒体互联网内容分析与识别系统已经应用于公安部、工信部、国家广播电视总局等单位。担任IEEE TCSVT等期刊编委。

摘要4

This talk presents a global trajectory of signal processing for analysis and representation emerging within decades. It begins with time-frequency decompositions, wavelet orthogonal bases, multiscale geometric analysis, approximations and sparsity from orthonormal bases to redundant dictionaries of waveforms, compressive sensing and dictionary learning as well. The striking efforts in deep learning would also be addressed for a comprehensive perspective. Our recent works exploring structured sparsity and deep convolutional networks for scalable and compact representation of high-dimensional signals will be described as some examples. By rethinking the cutting-edge signal processing techniques in alignment with interdisciplinary inspirations, it is appealing to make the scientific community move forward and avoid dying by starvation in a progressively narrower and specialized domain. If possible, we might present the trajectory from graph signal processing towards graph neural networks. Specifically, we overview existing graph network methodology and elaborate the underlying theoretical foundation. Furthermore, our relevant theoretical and technical efforts have been provided to inspire possible expectations.

报告人简介4

上海交通大学特聘教授,国家杰出青年科学基金获得者,教育部特聘教授,国家领军人才,上海市优秀学术带头人,上海市曙光学者,上海市青年科技英才,国家宝钢优秀教师奖。主要从事:信息论与编码、信号处理、多媒体通信、视觉与机器学习方向,先后主持国家自然科学基金重点项目3项、重点国际合作项目2项,发表IEEE汇刊长文60多篇,重要国际学术会议论文70多篇,获得授权发明专利40多项,获上海市青年科技杰出贡献奖、上海市技术发明奖一等奖2次(均排名第1)。IEEE Trans. CSVT编委。中国图像与图形学学会理事,中国计算机学会杰出会员。在上海交通大学组建“媒体信息网络研究所”(http://min.sjtu.edu.cn),是中国电子学会青年科学家俱乐部“网络多媒体”专委会主任、中国图像图形学学会《出版与宣传》工作委员会主任、中国图像图形学学会“视觉大数据”专委会副主任。

摘要5

计算机视觉算法常常假设“看得清”、“无扰动”、“标注好”、“足够多”的图像视频输入,其鲁棒性难以保证、应用场景相对有限。考虑对抗环境下上述假设不满足,报告人拟介绍信工所团队在该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:标注数据质量计算、低质视觉质量增强、对抗样本攻击与防御等。

报告人简介5

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;国家杰出青年科学基金、国家优秀青年科学基金获得者,国家青年拔尖人才,入选中国科学院择优支持项目(结题优秀);主持科技创新2030“新一代人工智能”重大项目、国家自然科学基金重点/联合基金重点项目数项,兼任IEEE TIPIEEE TMMIEEE TCSVT的编委(SAEAE)ICCV/CVPR/IJCAI/ICPR Area Chairs、英国工程技术学会(IET) Fellow、中国计算机学会杰出会员、中国电子学会青年科学家俱乐部会员;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。

邀请人:人工智能系 纪荣嵘教授