第八十期CCF-CV走进高校系列报告会于中国石油大学(华东)圆满结束

阅读量:0
2019-10-30



2019年10月25日上午,由中国计算机学会计算机视觉专委会(CCF-CV)主办,中国石油大学(华东)计算机科学与技术学院承办的第80期CCF-CV走进高校系列报告会——“深度学习前沿与多媒体智能”在中国石油大学(华东)逸夫楼一楼报告厅成功举行。本期报告会邀请了北京大学彭宇新教授、西安电子科技大学邓成教授、中科院计算所阚美娜副研究员、上海交通大学张拳石副教授四位专家学者做特邀报告。中国石油大学(华东)大数据智能处理创新团队负责人张卫山教授和计算机科学与技术学院院长宫法明教授担任本次报告会的执行主席。


本次报告会由中国石油大学(华东)大数据智能处理创新团队负责人张卫山教授主持。张卫山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,期望本次报告会为大家搭建一个良好的交流平台,进一步提高中国石油大学(华东)全校师生在深度学习前沿与多媒体智能领域的研究水平。

报告信息


彭宇新教授报告内容主要包括图像视频监管系统、异构数据关联系统、图像细分类、视频描述生成和文本到图像生成系统相关内容,重点介绍在图像细粒度分类方向的相关研究进展,提出目前主要研究工作有如何减少标注依赖、减少人工先验、提高识别速度、加速新增类别训练和提高语义关联。


邓成教授的报告题目是:“深度哈希学习中的对抗样本”。此报告针对所有深度神经网络(DNNs)模型都受到对抗样本困扰问题,提出了增加干扰信息的方法,设计相应的防御策略,增强相关深度模型的鲁棒性及安全性,同时全面深入探讨了深度哈希模型中对抗样本的构造方法以及如何有效利用对抗样本提升跨模态哈希检索的鲁棒性,与师生们分享了近期相关研究成果。


阚美娜副研究员做了题目为“人脸图像的自适应建模”的报告。报告着重阐述了计算机视觉与模式识别存在的物体表观复杂多变、标注非完备等问题导致的真实场景视觉模式分类不准确,深入剖析局部注意力、全部注意力和层次化注意力对目标检测的影响,自适应的特征搜索有助于更好地提取位置信息。

张拳石副教授的报告题目是“Unified Understanding of Deep Neural Networks”。此报告从学习可解释性特征与结构,语义层面交互学习神经网络、提升模型可信任度和安全性等方面,阐述数学建模神经网络的表达能力,综述了神经网络可解释性研究中的核心挑战以及近期成果。


本期CCF-CV走进高校系列报告会持续了四个多小时,报告内容在现场引起强烈反响,学术交流气氛活跃,激发全场对学术的创新热情,四位计算机视觉领域的专家学者相继介绍了计算机视觉领域的最新研究成果,具有十分重要的指导意义。专家们以自身的学识和修养深深影响了现场师生,扩宽了听众们的思路和眼界,现场通过面对面激烈的探讨交流使大家获益匪浅。最后,参加报告会的现场听众对四位特邀讲者不辞辛苦远道而来,表示由衷的欢迎与感谢,报告会在热烈的掌声中圆满结束。