中国计算机学会青年计算机科技论坛

CCF Young Computer Scientists & Engineers Forum

CCF YOCSEF

于2016年7月13日(星期三)14:00-18:00

在西安市唐城宾馆二楼兰花厅举行

学术报告会，敬请光临

报告会主题

大数据驱动的深度学习应用

程  序

13:30             签到

14:00             报告会开始

14:05-14:40    特邀讲者：刘青山  教授

报告题目：Feature Learning for Visual Recognition

14:40-15:15    特邀讲者：何涛  英伟达公司业务发展总监

报告题目：英伟达GPU助力深度学习应用

15:15-15:25  中场休息

15:25-16:00    特邀讲者：路川  英伟达公司GPU人工智能架构师

报告题目：英伟达深度学习SDK

16:00-16:35    特邀讲者：公茂果 教授

报告题目：Deep Neural Networks for Image Change Detection

16:35-16:45  中场休息

16:45-17:45  Panel讨论

17:45       集体合影

18:00       晚餐

执行主席：苗启广博士，西安电子科技大学教授，CCF YOCSEF学术委员会副主席

执行主席：公茂果博士，西安电子科技大学教授，CCF YOCSEF西安AC秘书

承办单位：CCF  YOCSEF西安、英伟达公司

参加人员：IT领域专业人士、研究生、媒体、其他有兴趣者

报名方式：Email：yocsef@ccf.org.cn; Tel: (010)6256 2503转14;

如参会，请于  7  月  10 日前回复参会回执至yocsef@ccf.org.cn，以便提供会务。

费用（非CCF会员）：学生50元/人/次，其他200元/人/次

免费参加方式：

1、CCF会员凭会员证免费参加；媒体免费参加。

2、非CCF会员办理入会手续，可以免费参加。加入方式：

登录: http://web.ccf.org.cn/CCF/reg.action?flag=0，提交申请

会费：学生50元/年，会员：200元/年

缴费方式：http://www.ccf.org.cn/sites/ccf/jffs.jsp

注：现场可以办理CCF会员续费

大数据驱动的深度学习应用

深度学习是目前人工智能、机器学习领域非常火热的研究方向，受到了学术界和工业界的高度关注，被《麻省理工学院技术评论》（MIT Technology Review）评为2013年十大突破性技术之首。深度学习已经在语音识别、图像识别、自然语言处理等诸多领域取得了突破性进展，对学术界和工业界产生了深远的影响。2006年，机器学习大师、多伦多大学教授Geoffrey Hinton及其学生Ruslan发表在世界顶级学术期刊《科学》上的一篇论文引发了深度学习在研究领域和应用领域的发展热潮。2010年，深度学习项目首次获得来自美国国防部门DARPA计划的资助，参与方有美国NEC研究院、纽约大学和斯坦福大学。自2011年起，谷歌和微软研究院的语音识别方向研究专家先后采用深度神经网络技术将语音识别的错误率降低20%-30%，这是长期以来语音识别研究领域取得的重大突破。2012年，深度神经网络在图像识别应用方面也获得重大进展，在ImageNet评测问题中将原来的错误率降低了9%。同年，制药公司将深度神经网络应用于药物活性预测问题取得世界范围内最好结果。2012年6月，Andrew NG带领的科学家们在谷歌神秘的X实验室创建了一个有16000个处理器的大规模神经网络，包含数十亿个网络节点，让这个神经网络处理大量随机选择的视频片段。经过充分的训练以后，机器系统开始学会自动识别猫的图像。这是深度学习领域最著名的案例之一，引起各界极大的关注。

当前，随着采集设备的普及，全球图像视频大数据正在呈现爆炸式增长。图像视频大数据在智能监控、考勤安检、机器人、遥感测绘、网络信息过滤、公安刑侦等领域有广泛的应用，因此，它具有很大的发展潜力和广阔的应用前景，同时也面临重大挑战。针对图像视频大数据规模大、类别多、来源广的特点，传统的特征提取和内容理解算法对于这种大数据的处理能力有限，不能取得逼近人眼视觉系统的效果。深度学习是大数据时代下视觉计算和内容理解的一个重要突破，推动了视觉计算众多领域的飞速发展。那么，对于大数据驱动的深度学习来说，其核心问题是什么？如何将其应用于计算机领域中并且在性能上优于传统的机器学习方法，在计算机领域中取得了怎样的进展？

本次报告会由CCF YOCSEF西安与英伟达公司联合举办，将邀请来自学术界、产业界的相关学者和专家，共同讨论大数据驱动的深度学习的核心问题、应用场景以及最新进展。

特邀讲者：刘青山

简介: 南京信息工程大学教授，博士生导师，信息与控制学院院长，江苏省大数据分析技术重点实验室主任，IEEE高级会员。2000年4月毕业于中科院自动化所模式识别国家重点实验室获博士学位，随后留实验室工作，2006年4月赴美国Rutger大学访问、工作。2011年9月加盟南京信息工程大学。主要研究方向为图像与视频分析、计算机视觉、和机器学习。已在国内外学术期刊和国际会议发表论文100余篇，其中IEEE Transaction汇刊和CCF A类40余篇，Google Scholar统计引用3300余次。2011年入选江苏省特聘教授（2014年终期考核“优秀”），2012年入选教育部新世纪人才，同年获首届江苏省杰出青年基金资助，2013年入选江苏省双创个人，2014年入选江苏省双创团队领军人才。先后主持承担了国家自然基金项目4项，其中国家自然基金重点项目1项。受邀担任国际学术期刊、《NeuroComputing》、《Signal Processing》编委，长期受邀担任20余种国际知名学术期刊的审稿人，参与组织国际学术会议10余次，是中国视觉与学习青年论坛（Valse）组织发起人，是中国计算机学会多媒体专委会和计算机视觉专委会常务委员。

题目: Feature Learning for Visual Recognition

摘要: Image data is a typical high-dimensional data. For example, the dimension of an 100*100 gray image is to 10000. It will have much effect on the analysis performance if directly analyzing the data in such a high dimensional space, besides huge computational cost. Thus, how to learn a low-dimensional visual feature for visual recognition always attract much attention in the communities of computer vision and pattern recognition. Also, because  of  semantic gap between visual cues and high-level semantics, how to bridge such complex relationship is another key issue for visual understanding.In this talk, we will present our recent work on feature learning for visual recognition. We will first present our work on subspace learning based visual recognition, including in the applications of face alignment and remote sensing image processing. Also, we will present our work on hypergraph-based visual understanding to construct complex relationship among the features, in which conventional pair-wise graph is replaced with hypergraph to build the complex relations among the data.  Finally, we will introduce some recent work on deep feature learning.

特邀讲者：何涛

简介: 英伟达业务发展总监,负责Tesla加速计算产品在中国业务发展。帮助百度、阿里、腾讯、京东、奇虎、科大讯飞等知名的互联网企业，及公安部三所、海康威视等智能安防解决方案提供商建设基于大规模深度学习平台。CCF会员。

题目: 英伟达GPU助力深度学习应用

摘要:  介绍英伟达深度学习平台 - 企业级加速计算产品Tesla和cuDNN/DIGITS, 及在知名企业的应用案例。

特邀讲者： 路川

简介: Nvidia 机器学习解决方案架构师，在深度学习、高性能计算和云计算领域有着丰富的项目经验，曾作为主要技术负责人员参与国家超算深圳云计算中心、上海超算中心、成都云计算中心等大型超算的技术方案构建、系统建设和支持等工作。CCF会员

题目:Nvidia 深度学习SDK

摘要:介绍基于Tesla GPU平台的深度学习SDK及主流Framework，如何采用Nvidia整体解决方案提升企业深度学习应用开发效率，搭建一个高性能深度学习应用平台。

特邀讲者：公茂果

简介: 西安电子科技大学教授，博士生导师，CCF YOCSEF西安AC秘书，西安电子科技大学计算智能研究中心负责人，陕西省重点科技创新团队负责人。主要研究方向为计算智能理论及其在数据和影像分析中的应用。主持完成国家863计划、国家自然科学基金等十余项课题，发表SCI检索论文100余篇，被引用3500余次，获国家发明专利授权10余项，获国家自然科学奖二等奖1项。曾获国家自然科学基金委“优秀青年基金”、"国家高层次人才特殊支持计划"中组部青年拔尖人才、霍英东青年教师奖、吴文俊智能科技创新奖、陕西青年科技奖、陕西省青年科技新星、教育部新世纪优秀人才支持计划、中国高被引学者等荣誉或奖励。

题目: Deep Neural Networks for Image Change Detection

摘要: Change detection in remote sensing imagery is an important issue in both civil and military fields. It classifies the input regions into changed and unchanged classes. With various sources, large amount of data, and diversiform ground objects, it is difficult to modeling and interpreting the remote sensing data. Deep neural networks (DNN) developed in this decade have the properties of modeling and representing complex data and unsupervised feature learning. Based on deep neural networks, we develop methods for dealing with some problems encountered in change detection. In this talk, we will introduce four methods based on DNN for change detection. Firstly, we introduce two DNN-based methods for change detection in synthetic aperture radar imagery. One is a hierarchical convolutional kernel for analyzing the difference image and the other is a deep architecture which directly deals with multi-temporal images in order to get rid of the influence of the difference image on detection results. Then on multi-source imagery, we develop bilateral networks to learn and transform the representations into a consistent space. We design an objective function for the whole network to learn the network parameters and unchanged labels simultaneously. Finally, we will conclude the talk and give some future directions.

执行主席: 苗启广

简介：西安电子科技大学教授，博士生导师。CCF YOCSEF 学术委员会副主席，CCF理事。现任西安电子科技大学计算机学院教授，博士生导师。主持国家自然科学基金、国防预研、国防863、教育部新世纪项目等课题十余项，在IEEE T-NNLS/T-IP/T-EC等国际期刊和AAAI等国际会议上发表学术论文百余篇，申请/获得国内外专利十余项，曾获多项省部级奖，并入选教育部新世纪优秀人才支持计划。主要研究方向：计算机视觉、模式识别、大数据分析等。

执行主席: 公茂果

简介：西安电子科技大学教授，博士生导师，CCF YOCSEF西安AC秘书，西安电子科技大学计算智能研究中心负责人，陕西省重点科技创新团队负责人。主要研究方向为计算智能理论及其在数据和影像分析中的应用。主持完成国家863计划、国家自然科学基金等十余项课题，发表SCI检索论文100余篇，被引用3500余次，获国家发明专利授权10余项，获国家自然科学奖二等奖1项。曾获国家自然科学基金委“优秀青年基金”、"国家高层次人才特殊支持计划"中组部青年拔尖人才、霍英东青年教师奖、吴文俊智能科技创新奖、陕西青年科技奖、陕西省青年科技新星、教育部新世纪优秀人才支持计划、中国高被引学者等荣誉或奖励。

参会回执：

会场方位示意图