8:00 签到 8:30 致欢迎词 8:35-9:15 演讲题目：表示学习研究进展与思考 特邀讲者：梁吉业 博士, 山西大学教授 9:20-10:10 演讲题目：Continual Learning with Deep Neural Networks 特邀讲者：李玺 博士，浙江大学教授 10:15-10:55演讲题目：微记忆下的连续图像识别 特邀讲者：郑伟诗 博士，中山大学教授 11:00-11:30演讲题目：面向多元异构数据的持续学习 特邀讲者：姚涵涛 博士, 中国科学院自动化研究所副研究员 13:30-14:10演讲题目：增量学习的一些新进展 特邀讲者：洪晓鹏 博士，哈尔滨工业大学教授 14:15-14:45演讲题目：面向生成式模型的持续学习技术进展与趋势 特邀讲者：霍静 博士, 南京大学副教授 14:50-15:20演讲题目：面向开放环境的类增量学习研究 特邀讲者：杨杨 博士，南京理工大学教授 15:25-15:55演讲题目：持续迁移学习简述与进展 特邀讲者：李爽 博士, 北京理工大学教授 16:00-16:30演讲题目：类增量学习技术研究 特邀讲者：梁国强 博士，西北工业大学副教授 嘉宾及报告介绍 特邀讲者 梁吉业
博士、教授、博士生导师，中国计算机学会（CCF）会士，中国人工智能学会（CAAI）会士，山西大学学术委员会主任，山西大学计算智能与中文信息处理教育部重点实验室主任，曾任山西大学副校长（正校级）、太原师范学院院长。现任教育部科技委人工智能与区块链专门委员会委员，教育部计算机类专业教指委委员，中国计算机学会人工智能与模式识别专委会主任，山西省计算机学会理事长，享受国务院政府特殊津贴专家。先后主持科技创新“2030—新一代人工智能”重大项目、国家自然科学基金重点项目、国家863计划项目等10余项。先后在AI、JMLR、IEEE TPAMI、IEEE TKDE、NeurIPS、ICML等国际国内重要学术期刊和会议发表论文300余篇。作为第一完成人获山西省自然科学一等奖3项、第五届中国国际发明展览会金奖1项、山西省教学成果特等奖2项。2014—2023年连续入选爱思唯尔中国高被引学者榜单。指导的博士生获得全国百篇优秀博士学位论文提名奖、中国计算机学会优秀博士学位论文奖、中国人工智能学会优秀博士学位论文奖。
报告摘要：机器学习方法的性能严重依赖数据的表示。表示学习旨在获得好的数据表示，是机器学习和人工智能领域的重要问题。本报告首先介绍表示学习的相关背景、主要方法及关键问题；其次对我们在概念认知、泛化误差和贝叶斯错误率三个视角下的表示学习最新研究进展进行阐述；最后分享对表示学习的一点思考以期启发未来的研究。
特邀讲者 李玺
浙江大学求是特聘教授，IET Fellow，IEEE Senior Member，国家杰青，国家青年特聘专家，Elsevier 2023“中国高被引学者”，主要从事人工智能领域研究，提出了多因子耦合模型学习新理论，探索了知识引导的模型结构设计与搜索新方法，开拓了复杂异构图像结构语义理解的新技术。担任国际权威期刊的编委和顶级会议的Area Chair，获得2021 年中国图象图形学会自然科学奖二等奖，2021 年中国电子学会科技进步一等奖，2021 年中国产学研合作促进会产学研合作创新与促进奖，2022 年世界互联网领先科技成果，2022 年教育部高等学校科学研究优秀成果奖科学技术进步奖一等奖，2023 年中国发明协会发明创业奖创新奖一等奖，2023年陆增镛CAD&CG高科技奖一等奖，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。荣获四项最佳学术论文奖、腾讯好专利、华为优秀合作成果奖和火花价值奖。成果应用于华为、阿里、海康等企业。
报告摘要：互联网和物联网时代催生了大数据，从这些海量数据中如何进行持续性特征学习已经成为当今知识经济时代亟待解决的核心技术问题。本报告主要围绕基于神经网络的continual learning方法，进行图像/视频数据的视觉特征学习，从视觉特征表达、深度学习器构建机制、高层语义理解等多维度视角进行了深入剖析，并引入了特征学习所涉及的主要研究问题和技术方法。介绍了近年来我们利用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。
特邀讲者 郑伟诗
中山大学计算机学院教授/副院长、教育部“长江学者奖励计划”特聘教授、英国皇家学会牛顿高级学者，现任教育部机器智能与先进计算重点实验室主任。长期研究协同与交互分析理论与方法，解决人体建模和机器人行为的视觉计算问题。担任IEEE T-PAMI等期刊的编委。主持承担国家级重点类项目和人才项目5项、以及广东省自然科学基金委卓越青年团队(负责人)项目等。获国家教学和省部级科技奖励6项。
报告摘要：一直以来，我们希望深度学习模型能不断地针对新问题、新类别、新数据等展开持续性学习。然而，由于灾难性遗忘问题的存在，当深度学习模型针对新任务做优化后，原有任务的分类等性能产生严重的下降。为此，近年以来，不少新颖的连续学习算法被提出。在连续学习上，我们做了些工作，主要是如何利用无标注数据解决小记忆下的连续学习建模问题和如何利用提示建模解决零记忆环境下快速适配下游任务的连续学习问题。我们将对这些近期的探索做介绍，并期望与大家一起讨论。
特邀讲者 姚涵涛
中国科学院自动化研究所，多模态人工智能系统全国重点实验室副研究员，2018年博士后创新人才支持计划获得者。主要开放场景下的多模态视觉实体感知的研究，相关研究成果在多媒体内容理解和计算机视觉领域的国际顶级会议(如CVPR/NeurIPS/ACM MM)和期刊(如TPAMI/TIP/TMM/TCSVT)发表论文近40篇，Science Advances/ Science Translational Medicine 论文 2 篇。相关成果的Google Scholar引用超过2300次，多篇论文入选ESI高被引论文。并获得ACM Multimedia Asia 2019 最佳学生论文和23年中国多媒体大会（ChinaMM23）最佳展报奖。作为项目/课题负责人承担国家自然科学基金青年项目/面上基金、博士后创新人才支持计划项目、北京市重点/面上基金、和科技部科技创新2030-“新一代人工智能”重大项目等科研项目。
报告摘要：持续学习目的是把已学习知识迁移到当前任务时应该保证新模型满足“稳定性-可塑性”准则，也就是如何学习动态变化的新环境知识的同时，避免遗忘已学习的旧知识。针对真实动态场景下数据稀缺、模态多样和内容动态的问题和挑战，本报告将围绕面向多元异构数据的持续学习展开介绍，分别从基于视觉语言模型的“稳定性-可塑性”学习、文本知识引导的持续学习和视听觉数据融合的持续学习三个方面进行汇报。最后将探讨多模态大模型时代下持续学习面临的挑战。
特邀讲者 洪晓鹏
哈尔滨工业大学，教授，博导，IEEE资深会员。历任芬兰Oulu大学博士后、科研型副教授（Docent）和西安交通大学特聘研究员。已在顶级国际和国内刊物和国际会议上发表文章80余篇，2次获得领域内国际权威期刊和会议的优秀论文奖，5次带队获得国际评测冠军。作为负责人主持了国家重点研发计划课题、国家自然科学基金、芬兰信息学会博士后基金等10余个项目。相关工作见诸美国《麻省理工技术评论》等技术媒体专文报道。中国图像与图形学学会情感计算与理解专业委员会副秘书长，黑龙江省计算机学会学术工作委员会副主任、奖励工作委员会秘书长。目前的研究领域包括：智能目标感知与深度连续学习、多机策略分配与协同等。
报告摘要：本报告针对深度神经网络在学习新任务和知识时所面临的"灾难性遗忘"问题，旨在探讨如何保留旧知识从而实现知识的增量式积累。报告将简要介绍目前主流方法，包括基于重放的遗忘抑制机制、基于提示学习的增量学习框架，以及在大模型时代出现的新趋势。
特邀讲者 霍静
博士，南京大学计算机科学与技术系准聘副教授，分别于2017年，2011年在南京大学计算机科学与技术系获得博士学位以及在南京师范大学强化培养学院获得学士学位。曾分别在英国曼彻斯特大学，香港大学等高校进行学术访问交流。2022年入选国家高层次特殊人才青年拔尖人才计划，2018年获得江苏省计算机学会优博，2018年获得江苏省科学技术奖二等奖。研究方向为新型机器学习技术，包括生成式模型、小样本学习、强化学习及其智能感知与决策应用。主持国家自然科学基金面上基金、青年基金各1项，江苏省自然科学基金青年基金1项，参与国家自然科学基金重大项目1项，科技部2030新一代人工智能项目2项等。在相关研究领域的期刊会议发表论文50余篇，包括CVPR，ICCV，AAAI，IJCAI，ACM MM，TPAMI，TIP，TMM，TNNLS、TCYB、PR等。
报告摘要：近年来，生成式模型技术飞速发展，在图像生成领域，涌现出了一系列性能良好的模型，如StyleGAN、Stable Diffusion等，本报告将聚焦面向图像生成模型的持续学习技术，介绍包括基于数据回放、基于元学习以及基于结构扩展等的持续学习技术，然后介绍团队在该领域完成的一些工作，最后对相关技术的发展方向进行展望与讨论。
特邀讲者 杨杨
南京理工大学计算机学院教授、博导。研究开放环境数据挖掘理论方法与应用，针对开放环境凸显的多变特性引发的模态难交互、决策难适配及模型难演化等挑战，提出了一系列可靠多模态表征、稳健推理决策及持续演化建模方法。主持科技部重点研发青年科学家项目、国家基金面上项目等，以第一作者身份发表IEEE TKDE、NeurIPS、KDD等CCF-A类期刊和会议论文20篇，获国际会议ACML17最佳论文奖。基于研究成果，在CVPR、ICCV等国内外相关竞赛上获12项冠军、5项亚军。入选科协青年人才托举工程、香江学者等。
报告摘要：相较于封闭静态条件下的传统数据挖掘，开放动态环境呈现“多变”特性，存在标记分布变化等挑战，造成开放集合决策难以及增量任务训练难。针对上述问题，我们提出了递进自变感知的稳健预测理论方法，构建了可适扩展的模型增量学习框架，实现了模型的鲁棒开放集预测以及稳健增量学习，并在真实场景进行了相关的验证。
特邀讲者 李爽
北京理工大学长聘副教授，博士生导师，在TPAMI、IJCV、TKDE、TIP等期刊和NeurIPS、ICLR、CVPR、ICCV等会议发表论文50余篇，其中CCF-A类34篇（第一/通讯作者31篇），ESI高被引3篇。荣获教育部自然科学一等奖、北京市科技新星等荣誉。作为负责人主持了国家重点研发计划课题、国家自然科学基金（面上/青年基金）、CCF腾讯犀牛鸟基金、CCF百度松果基金、阿里巴巴AIR项目等。目前的研究领域包括：领域自适应学习、动态迁移学习与多模态学习。
报告摘要：本报告旨在探讨持续迁移学习的关键概念和技术，以及如何高效地在迁移任务场景中实现知识的增量式累积。在介绍相关领域及其主要方法的同时，报告将着重探讨数据高效迁移学习、持续迁移学习和测试时自适应学习等关键内容。具体而言，报告将分析在数据稀缺场景下、领域数据持续变化场景下以及测试阶段数据分布偏差情况下如何实现持续迁移学习。最后，报告还对未来在大模型时代下持续迁移学习的研究方向进行了展望。
特邀讲者 梁国强
西北工业大学，副教授。主要研究兴趣包括深度连续学习、面向无人机的自进化感知等。在 IEEE TIP、TCSVT、CVPR 等领域高水平期刊和会议上发表论文近20 余篇，申请专利 10余项。主持了国家自然科学基金面上项目、青年项目、国家级纵向项目等多项，参与国家重点研发计划、国家自然科学基金重点项目等。
报告摘要：传统深度学习主要基于固定数据集进行训练推理，难以处理现实世界中动态提出的新需求。连续学习旨在模仿人类，在动态数据和任务流上积累知识。作为连续学习的典型，类增量学习近年来受到了较大的关注。本报告将简单介绍一些类增量学习的工作，包括基于随机增强、基于焦点转移以及基于提示的类增量学习。 执行主席：胡伏原
教授/博士，硕士生导师，国一流专业负责人。现任苏州科技大学电子与信息工程学院院长。江苏省“333高层次人才培养工程”中青年科技带头人、江苏高校“青蓝工程”教学团队负责人、中青年学术带头人，并入选江苏省“六大人才高峰”人才培养对象。现为中国体视学学会常务理事，CCF计算机视觉专委会委员，中国图象图形学会成像探测与感知专委会委员。
一直以来从事多维图像处理、连续学习及应用研究工作，已主持国家自然科学基金面上项目、省重点研发计划等科研项目10多项。获得省教学成果二等奖1项，科技进步奖二等奖2项，三等奖4项，市厅级一等奖2项，二等奖1项，在《IEEE Trans. on PAMI》、《IEEE Trans. on Multimedia》、AAAI、CVPR等重要国内外学术期刊发表学术论文100余篇，授权发明专利26件。
执行主席：龚声蓉
博士，二级教授，苏州大学博士生导师，常熟理工学院计算机科学与技术学科带头人，中国计算机学会理事、杰出会员、苏州分部主席，苏州市计算机学会副理事长、苏州市人工智能学会副理事长，主要从事图像与视频分析、机器学习等研究。先后主持国家和省部级科研课题20多项，获部级科技进步奖4项，苏州市自然科学优秀学术论文一等奖1项。是江苏省高校优秀科技创新团队“智能视觉信息处理”负责人，江苏省低碳智能座舱研发与测试工程研究中心技术负责人，苏州市工业智能与大数据创新实验室主任。在IEEE Transactions on Circuits and Systems for Video Technology、IEEE Transactions on Intelligent Transportation Systems 等发表论文100多篇,出版中英文学术著作各1部。
执行主席：程涵婧
讲师。于2013年获南京理工大学工学学士学位，2022年获南京理工大学工学博士学位，同年加入苏州科技大学任教。近3年发表SCI论文5篇，其中包括ESI高被引论文一篇。作为主要成员参加国家自然科学基金项目5项，担任Information Fusion 、Neurocomputing等多个学术期刊审稿人。
执行主席：赵少川
江南大学模式识别与智能系统专业博士四年级，导师为吴小俊教授，主要研究方向为视觉目标跟踪与神经网络安全。在IJCV、TIFS、PR、TCSVT等高水平国际期刊上发表多篇学术论文。此外，多次在国际视觉目标跟踪竞赛（VOT Challenge）中取得名次，包括VOT2021 RGBD跟踪赛道亚军、VOT2022 Long-term与Depth跟踪赛道亚军等。 | 
返回首页
京公网安备 11010802032778号