【预告】CCF-CV走进高校系列报告会(第四十四期,华北电力大学)

 

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 Series Lectures

华北电力大学·保定(第44期)

2017年12月7日(星期四)13:00-17:00

华北电力大学一校区图书馆地下报告厅

报告会主题

计算机视觉前沿技术及工业应用

程  序

12:30      签到

13:00      报告会开始

特邀讲者:王  亮 博士,中国科学院自动化所研究员

演讲题目:人工智能时代的视觉大数据分析

特邀讲者:倪蓉蓉 博士,北京交通大学教授

演讲题目:图像取证的研究热点和进展

特邀讲者:孟德宇 博士,西安交通大学教授

演讲题目:误差建模原理

特邀讲者:傅建龙 博士,微软亚洲研究院副研究员

演讲题目:精细化物体识别

执行主席:

     赵振兵 博士,华北电力大学电子与通信工程系副教授

     翟永杰 博士,华北电力大学自动化系副教授

     张  珂 博士,华北电力大学电子与通信工程系副教授

参加人员:视觉、电力领域专业人士、研究生、媒体、其他有兴趣者

报名方式Emailcyping230@163.com (请于126前将参会回执回复至该邮箱,邮件主题请注明“姓名+CCFCV华北电力的大学报告会回执”)

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 王亮

博士,研究员,博导,IEEE高级会员、国际模式识别协会会士(IAPR Fellow),模式识别国家重点实验室副主任、图象图形学学会视觉大数据专委会主任、计算机学会计算机视觉专委会秘书长、图像视频大数据产业技术创新战略联盟秘书长、电子学会青年科学家俱乐部副主席。中科院百人计划入选者(终期优秀),国家杰出青年科学基金获得者,国家青年科技奖获得者,中科院脑科学与智能技术卓越创新中心骨干人才,国家重点研发计划项目首席。2004年获中科院自动化所工学博士学位。2004-2010年分别在英国帝国理工学院、澳大利亚莫纳什大学、墨尔本大学及英国巴斯大学工作。主要研究领域是模式识别、计算机视觉、大数据分析等。

报告摘要本报告首先简介人工智能的概念和现状,然后介绍其重要的一个分支领域计算机视觉。视觉大数据分析是模式识别的前沿方向。近年来,深度学习已经在语音、视觉、自然语言处理等领域取得了很大成功,接下来重点回顾深度学习历史及其在视觉大数据分析中的应用进展。针对深度神经网络在结构、功能、泛化性等存在的问题,进一步探索模拟认知过程中的注意、记忆等机制,研究深度认知神经网络理论和方法。最后,展望了几个未来可能的研究方向。

 

特邀讲者 倪蓉蓉

教授,博导,北京市科技新星。现任北京交通大学信息科学研究所副所长、“现代信息科学与网络技术”北京市重点实验室学术委员会秘书长、IEEE北京分会学生部主席、中国计算机学会计算机视觉专委、中国图象图形学会数字媒体取证与安全专委,是教育部创新团队和科技部重点领域创新团队骨干研究人员。研究方向涉及多媒体内容安全取证、数字水印与信息隐写、图像与视频处理、模式识别等。主持了多项国家自然科学基金课题、科技部重大研发计划子课题、北京市科委课题等。曾获得CCF-腾讯犀牛鸟科研基金。已在IEEE TIPIEEE TIFSPattern Recognition等知名国际期刊和重要会议上发表学术论文多篇。获得国家发明专利多项。获得教育部自然科学二等奖、北京市科技奖二等奖、詹天佑专项奖等奖励和荣誉。国家自然科学基金、北京自然科学基金、澳门科技基金、国家留学基金等的通信评审人。

报告摘要随着网络与大数据技术的兴起和发展,图像视频等媒体信息的发布和传播成为互联网的主流应用。数字化产品易于修改和编辑,网络中的海量内容真假难辨,由此引发了信任危机、威胁着个人及国家的安全。多媒体内容取证技术在不依赖任何预签名提取或预嵌入信息的前提下,通过直接分析其内容达到真实性的取证目的。其基本原理是原始多媒体数据本身的固有特征具有一致性和独特性,可作为自身的“固有指纹”,任何篡改操作都会在一定程度上破坏它们的完整性。多媒体内容取证通过分析数字媒体特征一致性,挖掘篡改痕迹,实现内容真实性的鉴别。本报告主要介绍多媒体取证的研究热点、图像操作及图像来源的取证、基于深度学习的取证方法等。

 

特邀讲者 孟德宇

博士,教授,博导。任西安交通大学大数据算法与分析技术国家工程实验室机器学习教研室负责人。共接收/发表论文80余篇,其中包括IEEE汇刊论文20篇,CCFA类会议论文29篇。曾担任ICML,NIPSCCF A类会议程序委员会委员,AAAI2016IJCAI2017高级程序委员会委员。目前主要聚焦于自步学习、误差建模、张量稀疏性等机器学习与计算机视觉领域的基础研究问题。

报告摘要传统机器学习主要关注于确定性信息的建模,而在复杂场景下,机器学习方法容易出现对数据噪音的鲁棒性问题,而该鲁棒性问题与误差函数的选择紧密相关。本次报告聚焦于如何针对包含复杂噪音数据进行误差建模的鲁棒机器学习原理。这一原理对在线视频处理、医学图像恢复等问题,已体现出个性化的应用优势,该原理亦有希望能够引导出更多有趣的机器学习相关应用与发现。

 

特邀讲者 傅建龙

微软亚洲研究院副研究员。2015年毕业于中国科学院自动化研究所模式识别国家重点实验室。主要从事图像识别、目标检测,和多媒体内容分析等研究,已经在计算机视觉和多媒体分析顶级国际会议和期刊(CVPR/ICCV/ACM Multimedia/WWW/ AAAI/IJCAI/T-CSVT)发表论文20余篇。主要研究方向包括:精细化物体识别,弱监督、多标签图像语义标注,目标检测,视觉与语言建模,视觉情感分析等。

报告摘要本次报告,我们将以今年发表在CVPRICCV两篇口头报告的文章为基础,向大家介绍精细化物体识别技术 (fine-grained image recognition)。比如:识别狗的具体品种,识别花卉的科、属、种等。区别于通用目标的物体识别,精细化物体识别更加关注于具有判别力的目标部件定位 (part localization) 和精细化的特征学习(feature learning)。另外,由于部件的定位在大规模数据上缺少有效的监督信息,并且部件通常位于较小的图像尺度上,这给精细化的物体识别带来了更大的挑战。针对以上问题,我们由浅入深地提出了两种部件定位和特征学习的联合训练方法,包括基于递归注意力模型(Recurrent-Attention)和基于多部件注意力模型(Multiple-Attention)的卷积神经网络。实验表明,联合的部件定位和特征学习方法有助于促进精细化物体识别的准确率。最后,基于以上模型,我们介绍一款基于深度神经网络的精细化物体识别应用微软识花。主要包括其产品功能、特点、识别逻辑、用户界面和影响力(目前下载量已过百万),并对精细化物体识别在多种用户场景下的应用进行探讨。

执行主席:

赵振兵

博士,副教授,硕导。中国计算机学会计算机视觉专委会委员,中国图象图形学学会视觉大数据专委会委员、成像探测与感知专委会委员,中国电机工程学会电力通信专委会学组成员,图像视频大数据产业技术创新战略联盟会员单位联系人,河北省“三三三人才工程”人选。目前以第1作者出版专著1部,发表SCIEI收录论文30余篇;主持国家自然科学基金1(61401154)、河北省自然科学基金1(F2016502101),以第2负责人参加863子课题1(2014AA123503);主持电力企业合作课题5项;以第1完成人获得国家专利授权11项。主要研究方向是输变配电设备视觉检测。

 

翟永杰

博士,副教授,硕导,华北电力大学自动化系副主任。曼彻斯特大学访问学者,中国科学院自动化研究所博士后。中国计算机学会计算机视觉专委会委员,中国图象图形学学会视觉大数据专委会委员。目前承担国家自然科学基金项目1项,河北省自然科学基金项目1项,横向科研项目多项;山东省重点科技攻关项目“LN2000分散控制系统开发”主要完成人,获山东省科技进步一等奖。目前的研究课题为:基于航拍图像的输电线路关键部件识别与故障诊断、基于运行数据的风电机组故障预警。

张珂

博士,副教授,硕导。2012年博士毕业于北京邮电大学智能科学与技术中心,2015-2016年于美国密苏里大学哥伦比亚分校计算机视觉实验室进行博士后研究,2015年入选河北省“三三三人才”计划第三层次。中国自动化学会混合智能专委会委员、中国人工智能学会智能服务专委会通信委员。主持国家自然科学基金、河北省自然科学基金、科技部中小企业创新基金在内的多项科研项目。在IEEE TCSVTIEEE ACCESSICIP在内的重要学术期刊和会议发表学术论文30余篇。主要研究方向是人脸属性识别、机器人问路导航,电力视觉分析。

会场路线图

CCF-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!