新IT卓越大讲堂 No.7 期
中国计算机学会（CCF）走进ylzzcom永利总站线路检测
时间： 2018 年 11 月 30 日（周五）13:30-17:30
地点： ylzzcom永利总站线路检测燕山校区逸夫楼610
主办： 中国计算机学会，ylzzcom永利总站线路检测ylzzcom永利总站线路检测
承办： 山东省数字媒体技术重点实验室，山东省优势学科人才培育团队
【报告一】
报告题目：图像质量评价：理论、方法与应用
报告人：方玉明 博士（江西财经大学 教授）
报告摘要：
近年来，随着多媒体处理技术的快速发展，图像质量评价研究越来越受到大家的关注，它能广泛运用于多媒体处理技术/系统性能评价和优化中。本报告首先介绍图像质量评价概念、分类及基本理论方法，然后回顾了过去十年来的相关进展，进一步，通过介绍我们小组在该领域的一些相关工作，来说明图像质量评价模型的构建方法和应用。最后，对本研究组的一些其他相关研究情况进行介绍。
个人简介：
方玉明，江西财经大学教授、博导，江西省数字媒体重点实验室主任，国家自然科学基金‘优秀青年基金’项目获得者。2013年毕业于新加坡南洋理工大学，获计算机工程专业博士学位。主持包括国家自然科学基金优青项目、面上项目、霍英东教育基金会高等院校青年教师基金等课题10余项；在国内外主流学术期刊及会议发表论文100余篇，其中IEEE汇刊论文30余篇，Google学术引用2000余次，ESI高引论文3篇；担任多个SCI期刊编委，入选江西省百千万人才工程人选、江西省杰出青年基金获得者，获江西青年五四奖章。
【报告二】
报告题目：开放场景中的物体识别研究初探
报告人：王瑞平，博士，中科院计算所研究员，博士生导师。
报告摘要：
通用物体识别是视觉场景理解的基础核心任务之一，近年来得益于深度学习技术的发展和互联网大数据的繁荣，取得了显著的进步，当前主流方法在相对封闭场景的数据集上甚至超越了人类视觉系统的识别能力。面向真实场景实用化的需求，当前亟需解决的主要难题是开放场景下的大规模物体识别，其中涉及的主要挑战包括：海量物体类别间的复杂语义与视觉关联、开放场景中天然的长尾分布导致的标注数据稀缺、跨场景应用所面临的视觉识别模型推广与知识迁移等。报告将介绍本课题组近两年围绕开放场景识别所开展的一些初步探索，包括：属性与类别关联的多任务图像检索（CVPR’16/17）、属性辅助的零样本物体识别（ICCV’17/ECCV’18）、开放环境下的增量物体识别（BMVC’18）、场景推理驱动的物体检测（CVPR’18）等。相关工作的代码均已发布在了课题组主页上：http://vipl.ict.ac.cn/resources/codes。
个人简介：
王瑞平，博士，中科院计算所研究员，博士生导师。主要研究复杂真实场景下的图像视频目标识别与检索等问题。目前在领域主流国际期刊和会议发表论文60余篇（含CCF-A类论文24篇），Google Scholar引用2500余次，攻读博士期间获得IEEE CVPR2008“Best Student Poster Award Runner-up”奖励、2011年度中科院优秀博士学位论文奖等。担任IEEE Access、Pattern Recognition等国际期刊的编辑/客座编辑，国际会议IEEE WACV2018/2019、ICME2019领域主席，国际会议IEEE FG2018出版主席，国际会议ICB2019宣传主席。入选2012年度中科院计算所“百星计划”、2014年度微软亚洲研究院“铸星计划”、2015年度中科院青年创新促进会、2015年度“CCF-Intel青年学者提升计划”等。获得2015年度国家自然科学奖二等奖（第4完成人）。担任中国计算机学会计算机视觉专委会（CCF-CV）副秘书长。
【报告三】
报告题目：基于深度学习的局部图像特征描述
报告人：樊彬，博士，中国科学院自动化研究所、模式识别国家重点实验室副研究员
报告摘要：
局部图像特征描述是计算机视觉研究的基本问题之一，用于建立图像之间的点对应关系，广泛应用于三维重建、相机定位、图像拼接、目标识别等高层计算机视觉任务中。经过20多年的发展，该领域逐步从以SIFT为代表的手工设计方法为主，过渡到基于学习的特征描述方法，尤其是基于深度神经网络的特征描述子学习方法，现阶段正得到蓬勃发展。本报告将对近年来涌现出的基于深度学习的局部图像特征描述方法进行介绍，包括带距离度量学习的CNN特征提取方法以及一般性的用于局部图像特征描述的CNN网络，重点介绍典型的L2Net网络结构和基于该结构学习得到的几种典型特征描述子。
个人简介：
樊彬，博士，中国科学院自动化研究所、模式识别国家重点实验室副研究员，硕士生导师，IEEE高级会员，中国计算机学会计算机视觉专业委员会/中国图象图形学学会机器视觉专业委员会/中国人工智能学会模式识别专业委员会等多个专委会委员，VALSE第四届执行委员会委员。2006年获北京化工大学自动化专业学士学位，2011年获中国科学院自动化所模式识别与智能系统博士学位，同年进入中科院自动化所模式识别国家重点实验室工作，2015年至2016年获得国家公派留学资助在瑞士洛桑联邦理工大学（EPFL）从事访问研究。主要从事计算机视觉和模式识别等相关领域的研究工作，尤其侧重于其中的局部图像特征提取与匹配方面的研究与应用，已在IEEE Transactions on PAMI/IP/NNLS/MM/GRS/ITS、CVPR、ICCV、ECCV等重要国际期刊和会议上发表论文近40篇，出版特征描述方面的英文专著1部，受邀担任SCI期刊Neurocomputing的Associate Editor，获2017年ACM北京新星奖。
【报告四】
报告题目：目标跟踪算法研究进展
报告人： 张天柱，中国科学院自动化研究所副研究员。
报告摘要：
目标跟踪是计算机视觉领域的热门研究方向之一，同时在产业界也具有广阔的应用前景。过去几十年来，由于大量代码和数据集的公开，目标跟踪领域取得了很大进展。本报告将首先回顾目标跟踪的研究进展，介绍一些代表性方法，如粒子滤波、基于分类器目标跟踪、稀疏跟踪、基于深度学习跟踪，及相关滤波等，然后介绍团队的相关研究成果。
个人简介：
张天柱，中国科学院自动化研究所副研究员。2006年于北京理工大学获得学士学位，2011年于中国科学院自动化研究所获得博士学位。博士毕业后，曾先后于美国伊利诺伊大学香槟分校新加坡高等研究院、阿卜杜拉国王科技大学和中国科学院自动化研究所从事科研工作。主要研究方向是模式识别、计算机视觉和多媒体分析等。在国内外学术期刊和会议上发表论文70余篇，包括TPAMI、TIP、IJCV、CVPR、ICCV、MM等ACM/IEEE汇刊和中国计算机学会（CCF）A类会议论文50余篇。论文谷歌学术引用3700余次，第一作者论文单篇谷歌学术最高引用600+、单篇SCI他引200余次，3篇论文入选ESI高被引。获China MM 2017最佳论文奖和CCF-A类会议ACM MM 2016最佳论文奖。参加目标跟踪国际竞赛，2次获得第1名。获中科院院长优秀奖，中科院优博，中科院青促会人才等奖。担任ICCV 2019、ICPR 2018、WACV 2018和MVA 2017领域主席，ICIMCS 2015出版主席，Neurocomputing和KSII TIIS期刊编委，CVIU客座编委。获MMSJ Best Reviewer Awards，ECCV 2016和CVPR 2018 Outstanding Reviewer Awards。
【报告五】
报告题目：视频视觉关系检测初探
报告人：任桐炜，南京大学软件学院 副教授
报告摘要：
视觉关系采用<主语，谓语，宾语>三元组的形式来表示物体和物体间的交互，提供了比单纯物体更为全面的视觉内容描述，可以作为计算机视觉与自然语言之间连接的桥梁。与已有的图像视觉关系检测任务相比，视频视觉关系检测致力于描述视频中动态变化的视觉关系，既可以借助更丰富的信息来检测视觉关系，也面临着诸多技术挑战。本次报告将介绍我们在视频视觉关系检测中开展的初步尝试，包括视频视觉关系检测的任务描述、解决方案、评测基准等，并对视频视觉关系检测中存在的问题和进一步研究方向进行讨论。
个人简介：
任桐炜，分别于2004年、2006年、2010年从南京大学获得学士、硕士、博士学位，毕业后留校任教，目前在南京大学软件学院担任副教授。曾分别于2008年和2016-2017年前往香港理工大学和新加坡国立大学进行学术访问。研究方向为视觉媒体计算及其应用，在ICCV、MM、AAAI等会议和TIP、NEUCOM等期刊上发表论文40余篇，并获得ICIMCS 2014最佳论文提名奖、PCM 2015最佳论文提名奖、ECCV 2018 PIC竞赛冠军；曾担任ICIMCS 2018程序委员会主席、PCM 2017宣传主席、ICIMCS 2015专题主席；先后主持了国家自然科学青年基金、江苏省自然科学青年基金等多个项目。
