CCF-CV走进高校系列报告会(第二十八期,深圳大学)

1

中国计算机学会计算机视觉专委会走进高校系列报告会

CCFCV Lecture Series

深圳大学·深圳(第28期)

2017114日(星期六8:50-12:00

深圳大学计算机学院报告厅

报告会主题

计算机视觉前沿技术及应用

 

程  序

8:50    签到

9:10     报告会开始

特邀讲者:贾 奎 博士,华南理工大学教授

演讲题目:深度学习模型中卷积核及网络连接优化探究

特邀讲者:乔 宇 博士生导师,中科院深圳先进技术研究院研究员

演讲题目:视频行为的深度建模与识别方法

特邀讲者:郑伟诗 博士,中山大学教授

演讲题目:视频监控下的行为预测分析研究

执行主席:沈琳琳博士,深圳大学计算机学院教授

         中国计算机学会计算机视觉专委会委员

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Email931574152@qq.com (请于114前将参会回执回复至该邮箱,邮件主题请注明“CCFCV深圳大学报告会回执”)

参加方式:免费参加,敬请光临。

 

参会回执

姓名

职称/职务

电话

Email

工作单位

注:回执仅仅针对外地和外校的人员,本校人员无需提供。

特邀讲者 贾 奎 

2
博士,华南理工大学电子与信息学院教授,博士生导师。2001年于西北工业大学获得学士学位,2004年于新加坡国立大学获得硕士学位,2007年于伦敦大学玛丽女王学院获得计算机科学博士学位。博士毕业后,曾先后于中科院深圳先进技术研究院,香港中文大学,先进数字科学研究中心(伊利诺伊大学香槟分校),及澳门大学从事研究和教学工作。2016年依托华南理工大学获得第十二批国家“千人计划”青年人才项目。贾奎博士的研究方向为计算机视觉、机器学习、模式识别及图像处理等。

报告摘要深度学习是目前计算机视觉及机器学习的热门研究方向。基于深度学习的模型和方法在许多应用中不断取得突破性结果。这些实际应用上的成功让我们进一步思考深度学习的理论工作机理,尤其是什么样的网络解及其特性带来这些实际性能的提升。在本报告中,我们着重探讨深度学习模型中卷积核(及网络连接)优化方面的最新研究进展。我们从理论分析入手,提出一种叫做Singular Value Bounding (SVB)的网络优化方法。SVB使得神经网络的卷积核在具有一定特性(近似正交)的矩阵流形上进行优化。在标准图像识别数据库及各种流行的网络架构上,相较随机梯度下降及Batch Normalization,SVB都能较大幅地提升识别性能。例如基于宽残差网络模型(Wide ResNet),SVB取得在CIFAR10图像分类上的目前最好结果。在ImageNet上的初步结果也说明了SVB的有效性。

特邀讲者 乔 宇

3
中科院深圳先进技术研究院(简称先进院)研究员,博士生导师,IEEE高级会员。担任集成所副所长,广东省“机器视觉与虚拟现实”重点实验室常务副主任。2011年获得中国科学院“百人计划”择优支持,入选深圳市“孔雀计划”首批海外高层次人才,是广东省引进创新科研团队核心成员,深圳鹏程学者长期特聘教授。曾任东京大学电子信息系聘为特任助理教授。他长期从事计算机视觉、图像处理、语音处理和模式识别的研究,已在包括IEEE Trans. PAMI,IJCV,IEEE Trans.IP,IEEE Trans. SP,CVPR,ICCV,ECCV,ACM-MM,AAAI等会议和期刊上发表学术论文150余篇。曾获中国科学院卢嘉锡青年人才奖。主持和参与国家自然科学基金、科技部、科学院知识创新工程、广东省引进创新科研团队、深圳市杰青等多个国家与地方项目。担任IEEE ICIST 2014国际会议程序委员会主席。

 

报告摘要基于视频的行为分析和识别是计算机视觉的一个基本问题,在监控、人机交互、视频检索等领域有重要的应用。与图像相比,行为视频包含有丰富的运动信息数据维度也更高。同时由于视频中包含行为人、视角、背景、运动、遮挡等复杂的变化,非受控条件下行为识别一直是一个极具挑战的问题。在这个报告中,我们将介绍视频行为分析与理解的最新进展,特别是我们课题组近年来开展的一些工作(CVPR13, ICCV13, CVPR 14, ECCV 14, CVPR15, IJCV 15, CVPR16,ECCV16)。内容包括视频中层表示、多视角特征编码、轨迹卷积特征池化、运动向量CNN、时空注意模型等。我们的方法在公开多类别数据库UCF101, HMDB51上取得了领先的识别率,在ActivityNet, ChLearn等国际竞赛中取得第一。

特邀讲者 郑伟诗

4
中山大学数据科学与计算机学院教授,机器智能与先进计算教育部重点实验室副主任。他主要面向大规模智能视频监控,展开视频图像信息与信号的处理研究,并开展大规模机器学习的算法和理论研究。他目前的主要研究应用领域是:视频监控下的行人身份识别与行为信息理解。面向大规模监控网络下的行人追踪问题,他在国内外较早和持续开展跨视域行人重识别的研究,发表一系列以跨视域度量学习为主线的研究工作,他提出的基于相对比较思想建模思路在行人重识别中被广泛深入研究。他已发表80余篇主要学术论文,其中50余篇发表在图像识别和模式分类IEEE TPAMI、IEEE TIP、IEEETNN、PR、IEEE TCSVT、IEEE TSMC-B等国际主流权威期刊和ICCV、CVPR、IJCAI等计算机学会推荐A类国际学术会议。近5年来,与国内外同行一道,他在中国计算机学会推荐A类国际学术会议ICCV和CVPR上以及其它著名国际学术会议期间做Tutorial。他曾担任IEEE AVSS的Area Chair和Publication Chair,担任2012年、2015年和2016年全国生物特征识别学术会议的联合程序委员会主席。获国家优秀青年科学基金、英国皇家学会牛顿高级学者基金、广东省自然科学杰出青年基金等支持,也曾入选微软亚洲研究院青年学者铸星计划。

 

报告摘要:不同于行为识别,行为预测分析仅利用部分已观察的视频片段,实现整个视频动作行为类别的预测。这次报告将重点介绍我们最近在RGB-D视频上的行为预测分析的研究成果。同时,我们也将简要介绍本组与之相关的交互行为分析工作,包括基于模板学习的人物交互行为分析、基于RGB-D的异质特征数据融合的人物交互行为分析、基于广义相似性函数的人与人交互建模的多人交互行为分析学习模型。

 

执行主席:沈琳琳

5

深圳大学计算机视觉研究所凝聚了图像处理、模式识别、智能优化等计算机视觉理论与应用相关学科人才,从事图像特征提取、选择优化以及机器学习等理论研究,并将其应用于生物特征识别、医学图像辅助诊断以及遥感数据挖掘等领域。研究所在人脸检测、识别,指纹识别、医学图像以及机器学习领域和华为、唯品会、大华以及欧蒙等企业广泛展开了产学研合作。

  

会场路线图

 6

7CCF-CV 网站:http://ccfcv.ccf.org.cn/

CCF-CV公众号:

【活动背景】自201511月起,CCF计算机视觉专委会(CCF-CV)在全国范围内率先开展走进高校系列报告会、走进企业系列交流会等特色活动,在学术界、工业界产生了热烈反响,受众遍及祖国大江南北。CCF计算机视觉专委会欢迎各兄弟学会、专委会借鉴,共同推动我国相关领域的学术繁荣和产业发展!

524708535891242419