科研动态 
 科研项目 
 科研成果 
当前位置: 首页>>科学研究>>科研动态>>正文

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

西北工业大学·西安(第17期)

2016年7月9日(星期六)13:30-17:30

西北工业大学友谊校区正禾宾馆四楼报告厅

报告会主题

计算机视觉前沿技术及应用

程 序

13:00 签到

13:30 报告会开始

特邀讲者:薛建儒 博士,西安交通大学教授

演讲题目:智能车的视觉场景理解的集成计算框架

特邀讲者:杨林 博士,美国佛罗里达大学副教授

演讲题目:Large Scale Biomedical Image Analysis and Imaging Informatics

特邀讲者:李玺 博士, 浙江大学教授

演讲题目:Deep Correspondence Structure Learning for Person Re-Identification and Self-Paced Boosting Learning for Classification

特邀讲者:鲁继文 博士,清华大学副教授

演讲题目:距离度量学习在人脸识别中的应用

执行主席:韩军伟 博士,西北工业大学教授

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:Email:xiaoyanc@nwpu.edu.cn (请于7月9日前将参会回执回复至该邮箱,邮件主题请注明“CCF-CV西北工业大学报告会回执”)

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

也可通过如下链接在线报名:

http://www.sojump.hk/m/8890922.aspx?pvw=1

特邀讲者 薛建儒

博士,西安交通大学教授,长江学者。2003年获西安交通大学模式识别与智能系统博士学位,2002年至2003年在日本富士施乐研究本部工作,2008年至2009年在美国加州大学洛杉矶分校统计系访问研究,主要研究领域包括模式识别与计算机视觉、环境感知与运动控制。

报告摘要:智能车的交通场景理解属集成人工智能研究范畴,需要解决多传感器信息时空对应、场景内交通要素检测、跟踪及识别、智能车自主定位等关键技术。本报告首先简要介绍视觉与学习在智能车上的最新进展,然后介绍课题组近年来基于无人驾驶实验平台所提出的以视觉为主导,融合立体对应、显著性交通要素及其他传感信息的跨模态跨尺度时空对齐与配准计算框架。

特邀讲者 杨林

博士,美国佛罗里达大学生物医学工程系副教授(2014年作为头批通过佛罗里达大学杰出人才招聘计划教授),长期从事医学图像分析、计算机辅助诊断和手术,机器学习,计算机视觉,云计算和大数据等领域的研究,在诸多跨学科前沿问题开展了卓有成效的研究和探索工作,取得了优异的研究成果。在国际权威期刊发表SCI期刊论文30余篇(包括IEEE Transaction on Pattern Analysis and Machine Intelligence, IEEE Transaction on Medical Imaging, IEEE Transaction on Biomedical Engineering, Medical Image Analysis, Nature Medicine, etc.),同行评审会议论文50多篇 (包括CVPR, ECCV, MICCAI, etc.),包括论文总计被引用8000余次,H-index为24(Google Scholar统计)。杨林博士的创新性研究成果获得了IEEE International Symposium on Biomedical Imaging 2008最佳论文奖, MICCAI 2015 Young Scientist Award(青年科学家奖,近900篇论文投稿中仅4篇获奖)。MICCAI 2015 Young Scientist Award Runner-up(青年科学家奖提名,近900篇论文投稿中仅13篇获奖)。杨林博士现在是BMC Bioinformatics 的副主编(Associate Editor)。杨林博士还担任了20多个国际期刊的审稿人,如Medical Image Analysis,IEEE Transactions on Pattern Analysis and Machine Intelligence,IEEE Transactions on Medical Imaging,IEEE Transactions on Image Processing,IEEE Transactions on Biomedical Engineering等。还筹办组织了若干国际会议,例如2010到2015年度的MICCAI Workshop on High Performance Computing (HPC-MICCAI),并多次应邀在国外知名科研院校做相关学术报告,如:University of North Carolina at Chapel Hill, Washington University at St. Louis, University of California at Los Angeles, Harvard University, 等。近年来,杨林博士主持或参与了美国国家健康局R01基金(NIH R01)、美国肺癌协会基金等科研项目,主持的实验室(12名博士研究生)总共获得超过2百万美元的科研经费资助。杨林博士常年参加美国健康总局和自然科学基金的评审工作。

报告摘要:We are living in a revolutionary age, witnessing the next generation of biomedical images and genomics information emerging in astounding volume and rich formats. This rapidly grown, efficiently delivered, densely connected and incrementally well-defined multiple dimensional genotype and phenotype data have fundamentally reshaped the ways researchers can express their thoughts, interact with their colleagues and patients, analyze their data, and lead to ultimately deeper understanding of the nature of biology and diseases. The objective of this talk is to introduce to the boarder community of imaging informatics, bioinformatics, computer vision, machine learning, and big data/high performance computing researchers the current state-of-the-arts in biomedical image analysis and imaging informatics, including biology, pathology, and radiology. We will also review some emerging machine learning tools used in our biomedical image analysis applications, such as deep learning. The ultimate goal is to inspire new collaborations among researchers from different domains to tackle the challenges presented in personalized medicine.

特邀讲者 李玺

浙江大学教授,博导,现就职浙江大学计算机学院人工智能研究所,入选第五批中国国家“青年千人计划”和浙江省151第二层次人才。主要从事计算机视觉、模式识别和机器学习等领域的研究和开发。在目标跟踪、目标行为识别、图像标注、视频检索、哈希(hashing)函数学习、深度特征学习等方面取得了深入系统的研究成果,其中在视频的运动跟踪、理解与检索等方面的研究具有特色和优势,取得了多项具有国际影响力的创新性成果。 本人在国际权威期刊和国际顶级学术会议发表文章80多篇。担任神经计算领域知名国际刊物Neurocomputing和Neural Processing Letters的Associate Editor,同时担任多个计算机视觉和模式识别方面的国际刊物和国际会议的审稿人和程序委员。获得两项最佳国际会议论文奖(包括ACCV 2010和DICTA 2012),ICIP2015 Top 10% paper award,另外分别获得两项中国北京市自然科学技术奖(包括一等奖和二等奖),以及一项中国专利优秀奖。

报告摘要:本报告主要围绕计算机视觉和机器学习领域行人再识别和boosting学习问题,从行人视觉感知特性、深度学习器构建机制、自节奏学习、鲁棒学习等多维度视角进行了深入剖析,并引入了行人再识别对应结构学习和自节奏boosting学习所涉及的主要研究问题和技术方法,然后系统地展示了行人再识别和自节奏boosting学习的实验对比性能。另外,介绍了近年来我们利用视觉特征学习进行视觉语义分析和理解所做的一系列代表性的研究工作及其实际应用。报告的最后将和大家一起探讨一下涉及视觉特征学习所面临的一些开放性问题和难题。

特邀讲者 鲁继文

博士,清华大学自动化系副教授,博士生导师,国家青年千人。主要研究方向为计算机视觉、模式识别和机器学习,具体研究内容包括人脸识别、视觉监控、视觉检索、度量学习、深度学习和多视图学习等。近年来在国际学术期刊及会议上已发表/录用论学术文130余篇(其中CCF A类期刊和会议37篇),包括IEEE汇刊论文30篇 (其中PAMI论文4篇,T-IP论文6篇),ICCV/CVPR/ECCV论文19篇,研究工作被国内外学者累计引用2000余次 (Google Scholar),部分工作入选PAMI亮点论文和ESI高被引论文。目前为IEEE高级会员,IEEE信号处理学会信息取证与安全技术委员会委员,中国计算机学会计算机视觉专委会委员,国际期刊Pattern Recognition Letters、Neurocomputing和IEEE Access编委,Pattern Recognition、Computer Vision and Image Understanding、Image and Vision Computing和Neurocomputing客座编委,国际会议ACCV 2016研讨会主席,VCIP 2015专题主席,WACV 2016、VCIP 2016、BTAS 2016、ICB 2016、ICME 2015和ICB 2015领域主席。与国内同行一道,先后在CVPR2016、 FG 2015、ICME 2014和ACCV 2014等多个国际会议上作有关度量学习和人脸识别方面的专题报告。

报告摘要:特征表示和相似性度量是人脸识别中两个重要的科学问题,它们对真实场景下人脸识别系统性能的影响极为关键。报告将介绍本研究组近年来所提出的系列距离度量学习方法:主要包括代价敏感度量学习、近邻排斥度量学习、稀疏重构度量学习、局部多核度量学习和深度度量学习等,以及它们如何应用于人脸识别中的特征表示和相似性度量以提升识别性能。所提出的方法在人脸认证、人的年龄估计、血缘关系识别、异质人脸比对和视频人脸识别等多个人脸识别任务中验证了它们的有效性。

CCF-CV 网站:http://www.ccfcv.org/

会场路线图CCF-CV公众号,请见附件。

附件【CCF-CV走进高校系列报告会宣传模板 (nwpu).doc
关闭窗口