欢迎光临中国图象图形学学会官方网站,让我们一起努力,探索图象图形领域的广袤天地!
首页 > 学会动态 > 活动预告

CSIG图像图形中国行—福州大学站将于12月10日举行

2022-11-24

一、活动简介

“CSIG图像图形中国行”是由中国图象图形学学会(CSIG)主办的学术活动,旨在推动图像图形学科的普及,加强各高校研究所以及企业间的交流。自2017年4月起,CSIG图像图形中国行活动成功举办了100余期,线上线下参会人数累计数万人次,受到业界好评。本次“CSIG图像图形中国行-福州大学站”由CSIG机器视觉专委会、CSIG图像视频通信专委会、福州大学计算机与大数据学院联合承办。

本研讨会很荣幸邀请到黎铭教授、王树徽研究员、李泽超教授、朱鹏飞教授、林宙辰教授等五位著名学者来做精彩的专题报告,采用线上腾讯会议结合寇享学术直播的方式进行,热忱欢迎感兴趣的老师和同学前来参加,与专家互动。


截屏2022-11-23 下午2.22.30.png

主办:中国图象图形学学会(CSIG

承办:CSIG机器视觉专委会、CSIG图像视频通信专委会、福州大学计算机与大数据学院

时间:2022121014:00-18:00

地点:线上

腾讯会议:381-507-568

寇享学术直播网址https://www.koushare.com/lives/room/739965

1669300438114802.png

二、会议主席

1669300533364983.png

林宙辰 教授


个人简介:林宙辰,北京大学教授,智能学院副院长,IAPR/IEEE/CSIG Fellow,中国图象图形学学会机器视觉专委会主任,中国自动化学会模式识别与机器智能专委会副主任,中国计算机学会计算机视觉专委会常务委员,中国人工智能学会模式识别专委会常务委员。研究领域为机器学习、计算机视觉和 数值优化。发表论文260余篇,谷歌引用2万6千余次,英文专著3本,中文专著1本,获2020年度中国计算机学会科学技术奖自然科学一等奖。多次担任CVPR、ICCV、NIPS/NeurIPS、ICML、IJCAI、AAAI和ICLR领域主席,担任ICPR 2022程序共同主席、ICML 2022/NeurIPS 2022/CVPR 2023资深领域主席,曾任IEEE T. PAMI编委,现任IJCV、Optimization Methods and Software编委。



1669300990411918.png

郭文忠 教授


      个人简介:郭文忠,福州大学教授,博士生导师,“百千万人才工程”国家级人选,国家有突出贡献中青年专家称号,享受国务院政府特殊津贴人员,福建省科技创新领军人才,CCF杰出会员,IEEE和ACM会员。福州大学科技处处长、福州大学人工智能研究院院长, 并担任卫星空间信息技术综合应用国家地方联合工程研究中心副主任,海西政务大数据应用协同创新中心主任,教育部空间数据挖掘与信息共享重点实验室主任和福建省大数据分析与处理工程研究中心主任等,兼任中国自动化学会粒计算与多尺度分析专委会副主任和福建省计算机学会副理事长。在国内外学术期刊和会议发表学术论文200多篇,其中IEEE/ACM系列论文48篇,CCF A类期刊、会议和一区论文40篇,《中国科学》、《计算机学报》、《软件学报》、《计算机研究与发展》等国内一类刊物10多篇。


三、特邀专家

1669339484154029.png

黎铭 教授


个人简介:黎铭,南京大学教授,博士生导师,人工智能学院副院长。国家科技创新领军人才,国家优青。主要从事软件挖掘、机器学习方面的研究工作。在《IEEE Trans KDE》等国内外重要学术刊物和IJCAI、ICML 等重要国际会议发表论文四十余篇,被国际同行他引四千余次。曾作为主要成员获国家自然科学二等奖、教育部自然科学一等奖。应邀担任《Knowledge and Information Systems》、《Frontiers of Computer Science》、《自动化学报》编委、国际软件挖掘系列研讨会SoftwareMining、PAKDD首届博士研讨会DSDM'11主席、一流国际会议IJCAI、IEEE ICDM的领域主席、AAAI等的资深程序委员等;现任中国人工智能学会青年工委副主任、中国人工智能学会机器学习专委会常务委员、中国计算机学会人工智能与模式识别专委会委员、教育部高等学校计算机类专业教指委人工智能专家委秘书长等。获亚太数据挖掘青年成就奖、高校计算机专业优秀教师奖励计划等荣誉。

报告题目:基于机器学习的软件缺陷定位

报告摘要: 软件是计算机系统的灵魂,软件的质量是计算机系统安全可靠运行的保障。随着智能化不断深入,实现人工智能的软件系统不断增加,如何能够保证智能化软件系统正确、可靠的运行,已成为软件研究者和软件开发人员所面临的巨大挑战。机器学习是人工智能领域的重要研究领域,是实现智能化的重要途径。本报告将探讨如何基于机器学习技术来学习智能化软件的缺陷模式,从而有效识别智能化软件系统的潜在缺陷。


1669339748903242.png

王树徽 研究员


个人简介:王树徽,中国科学院计算技术研究所研究员,博士生导师。2006年于清华大学获得工学学士学位,2012年于中科院计算所获得工学博士学位,2014年从中科院计算所博士后出站并留所工作、历任助理研究员、副研究员、研究员。从事图像视频理解、跨媒体分析推理与知识工程等方面的研究,发表录用IEEE/ACM汇刊以及顶级学术会议论文70余篇。担任ACMMM、IJCAI等顶级国际会议领域主席,主持国基金面上项目等科研项目,参与科技创新2030-新一代人工智能重大项目、973课题、863课题等项目研究,获2020年国自然基金委优青资助。获得吴文俊人工智能自然科学一等奖(2020)、北京市科技进步二等奖(2020)、CCF科学技术奖(2012)等奖励。

报告题目:面向深度人机协作的可信跨媒体学习与知识推理

报告摘要:跨媒体呈现出跨模态、跨数据源的复杂关联特性。跨媒体分析推理技术研究拟针对跨媒体数据特点,以多模态人类智能为目标,构建跨模态、跨平台内容的语义贯通机制,并进一步通过问答、交互等方式,实现针对复杂认知目标的不断逼近。然而,现有方法从学习机理、分析过程、推理结果等方面存在难以解释、难以泛化等问题。本报告面向深度人机交互协作需求,介绍研究组近期在可信跨媒体学习与推理方面的若干研究探索,包括可泛化统一表征、可控定向推理与“泛增广”学习、数据+知识人机语义交互与问答等。基于已有研究结论,探讨跨媒体分析推理技术的未来发展趋势。


1669339933435675.png

李泽超 教授


个人简介:李泽超,“万人计划”青年拔尖人才,南京理工大学计算机科学与工程学院/人工智能学院教授、博士生导师,“社会安全信息感知与系统”工信部重点实验室副主任,分别于2008年和2013年毕业于中国科学技术大学和中国科学院自动化研究所。研究兴趣主要是媒体智能分析、计算机视觉等。发表ACM/IEEE Transactions或者CCF A类会议论文70余篇;入选2022年全球前2%顶尖科学家,连续2年入选爱思唯尔中国高被引学者;获得江苏省科学技术一等奖2项、上海市科技进步一等奖等;主持国家自然科学基金联合基金重点项目、江苏省杰出青年基金等;担任IEEE TNNLS、Information Sciences等期刊编委。

报告题目:开放环境下视觉异常检测

报告摘要:图像视频大数据智能分析与识别在多种实际应用中具有至关重要的作用,比如工业生产、瑕疵检测、无人驾驶等。为此,我们研究了开放环境下视觉异常检测问题,主要介绍面向视觉异常检测的特征学习、语义分割以及异常检测等,提出了基于块对角结构的特征学习方法与特征选择方法,协同分析通道上下文和空间上下文的语义分割模型,基于特征蒸馏学习、分区记忆、自监督分割引导和非对称蒸馏分割的异常检测方法。最后介绍一些相关的实际应用情况。



1669340081292567.png

朱鹏飞 教授


个人简介:朱鹏飞,天津大学副教授,博士生导师,2015年于香港理工大学获得博士学位。主要研究方向是智能无人系统环境感知与进化,已在IEEE TPAMI和IJCV等CCF A类和IEEE汇刊发表论文40余篇。获CVPR2020最有影响力15篇论文、吴文俊人工智能优秀青年奖、黑龙江省自然科学一等奖等奖励。获得国家自然科学基金优秀青年科学基金等项目资助,入选2019年度天津市青年人才托举工程以及2020年度天津市创新人才推进计划青年科技优秀人才。构建大规模无人机视觉数据平台VisDrone,担任ECCV2018、ICCV2019、ECCV2020、ICCV2021无人机视觉研讨会和竞赛负责人。

报告题目:VisDrone—面向智能无人机的鲁棒环境感知与进化学习

报告摘要:智能无人系统依赖于多传感器对周围环境进行鲁棒的环境感知。团队构建了VisDrone大规模无人机视觉数据平台,包括可见光数据、双光数据以及多机协同数据等,覆盖目标检测、目标跟踪、群体分析和协同感知等任务。基于VisDrone数据平台,团队提出了面向时空数据建模的多任务时空近邻感知网络和图正则光流网络,面向双光鲁棒感知的不确定性感知融合网络和任务驱动的多模态融合网络,面向多机协同感知的智能体共享网络等模型,开发了人机协同数据平台、河道智能巡检系统、交通巡检边缘计算盒子等产品,将理论研究成果应用在智慧城市和智慧交通等领域。


1669340312912502.png

林宙辰 教授


个人简介:林宙辰,北京大学教授,智能学院副院长,IAPR/IEEE/CSIG Fellow,中国图象图形学学会机器视觉专委会主任,中国自动化学会模式识别与机器智能专委会副主任,中国计算机学会计算机视觉专委会常务委员,中国人工智能学会模式识别专委会常务委员。研究领域为机器学习、计算机视觉和数值优化。发表论文260余篇,谷歌引用2万6千余次,英文专著3本,中文专著1本,获2020年度中国计算机学会科学技术奖自然科学一等奖。多次担任CVPR、ICCV、NIPS/NeurIPS、ICML、IJCAI、AAAI和ICLR领域主席,担任ICPR 2022程序共同主席、ICML 2022/NeurIPS 2022/CVPR 2023资深领域主席,曾任IEEE T. PAMI编委,现任IJCV、Optimization Methods and Software编委。

报告题目: Optimization Induced Equilibrium Networks

报告摘要: To reveal the mystery behind deep neural networks (DNNs), optimization may offer a good perspective. There are already some clues showing the strong connection between DNNs and optimization problems, e.g., under a mild condition, DNN’s activation function is indeed a proximal operator. In this paper, we are committed to providing a unified optimization induced interpretability for a special class of networks—equilibrium models, i.e., neural networks defined by fixed point equations, which have become increasingly attractive recently. To this end, we first decompose DNNs into a new class of unit layer that is the proximal operator of an implicit convex function while keeping its output unchanged. Then, the equilibrium model of the unit layer can be derived, we name it Optimization Induced Equilibrium Networks (OptEq). The equilibrium point of OptEq can be theoretically connected to the solution of a convex optimization problem with explicit objectives. Based on this, we can flexibly introduce prior properties to the equilibrium points: 1) modifying the underlying convex problems explicitly so as to change the architectures of OptEq; and 2) merging the information into the fixed point iteration, which guarantees to choose the desired equilibrium point when the fixed point set is non-singleton. We show that OptEq outperforms previous implicit models even with fewer parameters.


四、会议流程


1669340719914903.png


五、联系方式


承办方联系人:  老师

                           18344939872 

                           shipingwangphd@163.com

主办方联系人:黄老师 

                            010-82544754

                            info@csig.org.cn