澳门皇冠

您的位置:首页 > 新闻动态 > CCF聚焦

ADL104《新一代视觉计算》8月26日与你相约南京

阅读量:199
2019-07-05

CCF学科前沿讲习班

The CCF Advanced Disciplines Lectures

CCF ADL104

主题 新一代视觉计算

2019826-28

南京?南京信息工程大学


计算机视觉是一门研究让机器能“看”的学科,是人工智能的重要组成部分。随着计算能力的显著提升、数据规模的大幅扩充、机器学习算法的日益精良,近年来视觉计算技术得到迅猛发展,在诸如智能制造、智能交通、智能医疗、智能教育、智能安防等关键应用中发挥着越来越重要的作用。
本期CCF学科前沿讲习班《新一代视觉计算》,讲授当前空间机器学习与计算机视觉的关键技术环节及其最新研究进展,旨在帮助学员快速了解和学习该领域的研究热点和前沿技术,掌握学科发展动向和重要的应用方法,开阔科研视野,增进学术交流,增强实践能力。
本期讲习班邀请到了本领域6位来自于海内外著名高校与科研机构的重量级专家学者做主题报告。他们将对计算视觉的基础算法、关键技术、核心应用及当前热点问题进行深入浅出的讲解,并对如何开展本领域前沿技术研究等进行指导,使参加者在了解学科热点、提高理论水平的同时,掌握最新技术趋势。


学术主任:刘光灿 南京信息工程大学 
主办单位:中国计算机学会

活动日程

WX20190624-103021

备注:每个讲座中包含两次15分钟休息活动。


特邀讲者:彭宇新 ,北京大学 二级教授、博士生导师

图片 1

简介:彭宇新,北京大学二级教授、博士生导师、863项目首席专家、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理事兼副秘书长。主要研究方向是:跨媒体分析与推理、图像视频理解与检索、计算机视觉。2006年入选教育部新世纪优秀人才支持计划和北京市科技新星计划,2016年获北京市科学技术奖一等奖(排名第一)。主持了863、国家自然科学基金等20多个项目,发表论文140多篇,包括ACM/IEEE Trans和CCF A类论文61篇。7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 Transactions on Circuits and Systems for Video Technology》等期刊编委, ACM MM 2019、ICIP 2017/2019、ICPR 2018、ICME 2019等领域主席, AAAI 2016/2019、IJCAI 2015高级程序委员。

题目:跨媒体智能:表征、分析与应用

摘要:随着多媒体和网络技术的迅猛发展,海量的图像、视频、文本等跨媒体数据快速增长,它们多源异构且相互关联,使得数据表征、信息检索、知识发现、语义推理面临跨媒体、跨数据源等挑战。如何借鉴人脑的跨媒体特性,跨越视觉、听觉、语言等不同的感官信息认知外部世界,对于提高计算机的感知认知能力和智能水平至关重要。本报告将对中国工程院“人工智能2.0”中跨媒体分析推理技术的任务和目标进行介绍,然后重点介绍我们的相关研究进展,包括细粒度图像分类、跨媒体检索、文本生成图像、视频描述生成等。


特邀讲者:孟德宇, 西安交通大学 教授、博士生导师

图片 1

简介:孟德宇,西安交通大学教授,博导。任西安交大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26篇,CCF A类会 议论文32篇。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。

题目:从粗放式到集约式:针对复杂数据的鲁棒性深度学习方法

摘要:现有深度学习方法的有效性依赖于训练数据集的高质量要求,当训练集呈现蕴含显著复杂噪声、类别不均衡等现实问题时,其有效性往往不能得以保证,这被称之为深度学习的鲁棒性问题。本报告将特别针对底层视觉与高层视觉中典型鲁棒性深度学习问题,尝试分别对其本质内涵展开深入讨论,综述其研究现状,并介绍针对这些内涵所特别设计的基于误差建模的变分推断网络与基于元学习的自适应样本加权等新型鲁棒性学习策略。所设计的方法一方面具有自动化匹配数据复杂特性的学习模式,从而具有鲁棒性学习功能;另一方面是传统模型驱动方法论与现代数据驱动方法论的本质融合,能够有效结合两类方法论的优势,在适应数据的基础上同时具备较强推广与迁移能力,从而对于现实复杂问题具有更好的泛化可用性。


特邀讲者:左旺孟,哈尔滨工业大学 教授、博士生导师

图片 1

简介:左旺孟,哈尔滨工业大学计算机学院教授、博士生导师。主要从事图像增强与复原、图像编辑与生成、物体检测与目标跟踪、图像与视频分类等方面的研究。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEE Trans.等期刊上发表论文90余篇。

标题:基于卷积神经网络的图像增强与编辑

摘要:近年来,随着以卷积神经网络(CNN)的深度学习技术的发展,以图像去噪、图像超分辨和图像去模糊等为代表的图像复原与增强、以及以视觉生成与合成为代表的图像编辑问题都获得了较多的关注。报告将围绕上述方面,主要介绍以下方面的内容:(1) 针对图像去噪问题,从与传统模型方法的联系以及灵活性等角度介绍DnCNN、FFDNet等代表性卷积去噪网络,并从相机噪声建模和非监督学习等角度探讨卷积去噪网络的有效学习方法;(2) 从灵活度角度出发,介绍我们在图像超分辨、图像去模糊等任务中的研究进展;(3) 围绕图像智能填充、人脸增强与属性编辑等任务介绍我们在图像编辑方面的研究进展。


特邀讲者:彭玺,四川大学  研究员

图片 1

简介:彭玺,四川大学研究员,博士生导师,中组部千人计划青年项目入选者。视觉与学习青年学者研讨会(VALSE)首届执行领域主席委员会(EACC)主席,中国图形图像学会会青工委副秘书长及执委;主要研究方向包括表示学习和可微编程及其在多媒体计算、视觉计算等领域中的应用。

题目:无监督表示学习:从浅层到深层,从单视图到多视图

摘要:无监督表示学习尝试发掘并利用数据非标签的内蕴特性解决数据的维灾和线性不可分问题,是机器学习及计算机视觉等研究领域的关键性基础难题之一。本课程中,我将从三个层面及两个角度介绍无监督表示学习。首先,我将介绍基于流形学习和稀疏表达的浅层无监督表示学习的一些理论、算法及其在聚类分析、特征提取、运动分割等方面的应用。其次,我将介绍基于深度神经网络的无监督深度表示的一些进展,特别是基于深度学习的数据聚类方法和基于可微编程的可解释神经网络,以及这些方法在优化、图像质量增强等方面的应用。最后,我将针对多视图及跨模态数据分析,介绍近期我们开展的浅层及深层多视图聚类工作。


特邀讲者:刘偲 ,北京航空航天大学 副教授、博士生导师

图片 1

简介:刘偲,北航计算机学院副教授。 其研究方向是计算机视觉、多媒体分析,主要研究深度学习在图像视频中的应用。共发表了CCF A类论文 30余篇,其研究成果发表于TPAMI、IJCV、TIP、CVPR、ICCV和ACM MM等。 Google Scholar引用3000+次。2017年入选中国科协青年人才托举工程,2017年获CCF-腾讯犀牛鸟专利奖。主办了ECCV 2018、ICCV 2018‘Person in Context’workshop。担任中国图像图形学学会副秘书长,中国图像图形学学会视觉大数据专委会常委。

题目:Human-centric Image Analysis

摘要:In this talk, I will introduce our recent research on human-centric image analysis, including face, human and human-centric relation segmentation. (1) We develop a real-time face parsing system and a GAN based face editing method. (2) We propose a surveillance video parsing method and a domain adaptation parsing technique for real applications. (3) We define a new problem of relation segmentation. We collect a large Person in Context (PIC) dataset and manually annotate the human and object mask as well as their relations. PIC 1.0 dataset is released to the public in an ECCV 2018 challenge. We hope it will receive more attention from the academia and industry.


特邀讲者:陈添水,暗物智能科技有限公司 研究员

图片 1

简介:本人在2018年获得中山大学工学博士学位,目前在暗物智能公司担任主任研究员,研究方向包括计算机视觉、深度学习以及图推理模型。到目前为此,本人在顶级期刊和会议上发表文章十几篇,在多个国际知名期刊和会议(例如,TIP, TMM, TNNLS, CVPR, ICCV)上担任审稿人。本人是IEEE ICME 2017最佳论文钻石奖获得者。

题目:基于结构化知识建模的深度视觉推理

摘要:近年来,深度网络模型在多个视觉任务中取得显著的进展,在大规模物体分类、人脸识别等任务的精确度甚至超过了人。然而,基于深度网络的方法依赖于大量标注数据拟合大量参数进行预测,存在以下几个问题:1)首先,这些方法很难泛化到具有少量样本甚至没有样本的视觉概念;2)其次,这些方法通常把深度网络当成黑盒子使用,缺乏解释性;3)最后,这些方法大多数只能进行简单的预测判断,无法进行有效推理。为了解决上述问题,一个可行的方法是类似人一样,通过收集和积累领域关联的先验知识,并根据这些知识进行有效的学习和推理。在本教程中,我们会介绍一系列基于知识建模的深度推理模型,以及其在大规模视觉理解中的应用。


学术主任  刘光灿,南京信息工程大学 教授、博士生导师

图片 1

刘光灿,男,1982年出生于湖南省邵阳市。2004年在上海交通大学数学系获理学学士学位,2010年在上海交通大学计算机科学与技术系获工学博士学位(导师:俞勇、林宙成、汤晓鸥)。2010至2014年间,先后在新加坡国立大学、美国伊利诺伊大学香槟校区、美国康奈尔大学从事博士后研究工作。2014年回国,加入南京信息工程大学自动化学院,任教授,博士生导师。 主要研究领域是机器学习与计算机视觉,近年来在基于优化的无监督学习理论与应用方面做了较为广泛的研究,发表论文50余篇(其中第一作者IEEE T-PAMI 4篇, CCF A类期刊与会议论文30余篇),Google Scholar引用4000多次,入选2017科睿唯安(原汤森路透)ESI高被引学者榜单。2016年获国家基金委优秀青年基金、江苏省杰出青年基金,2017年获吴文俊人工智能科技奖 (优秀青年奖)、教育部自然科学二等奖(排名第二)。2018年获江苏省高校自然科学一等奖(排名第二)。现为IEEE高级会员,担任CCF-A类国际会议AAAI2018、AAAI2019高级程序委员会委员、SCI期刊Neurocomputing编委;担任中国图形图像学会机器视觉专委会、江苏省人工智能学会模式识别专委会等多个学术团体的常务委员。


时间:2019年8月26-28日

地点:南京?南京信息工程大学


注册费:CCF会员3000,非会员3600元,食宿交通自理。

西部五所高校(新疆大学、青海大学、贵州大学、云南大学、宁夏大学)每个学校有两个免报名费名额。

报名方式:请选择以下报名方式之一进行报名:

1、请复制以下链接到浏览器或长按识别二维码

https://jinshuju.net/f/602A13


ADL104《新一代视觉计算》报名二维码

扫描或长按识别二维码报名

2、点击报名链接:ADL104报名https://conf2.ccf.org.cn/adl104

2019_07_05_1118242771

缴费方式:

在报名系统中在线缴费或者通过银行转账

银行转账(支持网银、支付宝):

开户行:北京银行北京大学支行

户名:中国计算机学会

账号:0109 0519 5001 2010 9702 028

请务必注明:姓名+ADL104

报名缴费后,报名系统中显示缴费完成,即为报名成功。

联系人:李红梅 邮箱: adl@ccf.org.cn 电话:18810669757

本期ADL招募志愿者:

1、班长和副班长:招募班长、副班长各一名。

要求:志愿为学员服务;配合讲师,带领学员共同完成学习任务。

2、通讯员:招募一名通讯员,需要在课程结束时完成一篇新闻稿,内容围绕本期课程内容、讲师与学员互动情况等。要求文笔流畅,图文并茂。稿件将在CCF官网、官微和中国计算机学会通讯上署名发表(有稿费)。

3、摄影志愿者:所有学员均可提交与本期ADL有关照片,课程结束后选出精彩照片10张,这10张照片的摄影者为本期ADL摄影志愿者。

4、课余“主题活动”招募人:若干名。负责招募有共同爱好的学员,并组织活动,丰富学员课余生活。

5、为增进学员和讲者之间的交流,创造更多的机会,CCF将从本期ADL开始增加互动环节,组织晚餐会活动。将从前50名报名的学员中抽取10人与讲者共进晚餐(自愿,费用AA)。


为感谢志愿者的辛勤付出,CCF为每位志愿者准备精美礼品一份。志愿者今后再次参加ADL,可以享受报名注册费优惠。