返回首页
您的位置:首页 > 新闻 > 新闻列表 > ADL

ADL 93《计算机视觉》开始报名了

阅读量:1293 2018-10-16 收藏本文

学科前沿讲习
The CCF Advanced Disciplines Lectures

CCF ADL 93

 计算机视觉

20181029-31 北京

微信图片_20181010142255

报名网址:http://conf2.ccf.org.cn/ADL93

扫描二维码进行报名

计算机视觉是当前人工智能的重要研究领域之一,并已成为人工智能应用的重要手段。鉴于计算机视觉近期的蓬勃发展,本期讲习班围绕计算机视觉的热点,讲授当前计算机视觉的前沿最新进展。本讲习班旨在帮助学员从中快速学习当前计算机视觉的热点和前沿技术,了解学科发展动向和重要的应用方法,开阔科研视野,增进学术交流和增强实践能力。

本期CCF学科前沿讲习班《计算机视觉》邀到了计算机视觉重量家学者做主题报告。他对计算机视觉的基算法、关方法以及当前问题进行深入浅出的介,并如何开展本域前沿技术研究等进行探讨,使参加者在了解学科热点、提高理论水平的同时,掌握最新技术趋势。

主任:王亮 中科院自化所

                 郑伟诗 中山大学
办单位:中国算机学会

活动日程:

2018年10月29日(周一)

09:00-09:15 开班仪式

09:15-09:30   合影

09:30-12:00 专题讲座1:Learning to Build a New Reality

                       虞晶怡,上海科技大学信息科学与技术学院正教授、副院长

12:30-14:00   午餐

14:00-16:30   专题讲座2:深度度量学习与视觉内容理解

                      鲁继文,清华大学自动化系副教授、博士生导师、青千、国家优青

2018年10月30日(周二)

09:30-12:00   专题讲座3:生成对抗网络及其应用研究

                      赫然,中国图象图形学学会视觉大数据专委会秘书长,国家优青

12:30-14:00   午餐

14:00-16:30   专题讲座4:后深度学习时代的视觉计算模型与方法

                       山世光,中科院智能信息处理重点实验室常务副主任

2018年10月31日(周三)

09:30-12:00   专题讲座5:复杂行为视频的深度识别方法与应用:从浅层特征和深度模型

                       乔宇,中科院深圳先进技术研究院集成所副所长

12:30-14:00   午餐

14:00-16:30   专题讲座6:云、端、芯上的视觉计算

                      孙剑,旷视科技(Face++)首席科学家

16:30-17:00   结业式 

(如有变动,以现场为准)


特邀者:

1

虞晶怡上海科技大学教授

讲者简介虞晶怡2000美国加州理工学院(Caltech用数学及算机科学双学士学位,2005美国麻省理工学院(MIT计算机与电子工程博士学位。自2005年起,先后任美国特拉大学助理教授、副教授和正教授,任上海科技大学信息科学与技学院正教授、副院。虞教授期从事算机视觉算成像、算机形学、生物信息学等域的研究工作,已120多篇学术论, 其中超60表于国CVPR/ICCV/ECCV和期刊TPAMI上。他的研究得美国自然科学基金会、美国国立生研究院、美国陆军研究所以及美国空科学研究所等机构助。虞教授是美国国家科学基金杰出青年NSF CAREER Award得者。他曾担任CVPR/ICCV/ECCV/ICCP/NIPS等多个人工智能国际顶级的程序主席、域主席。现为三个国际顶级期刊IEEE TPAMIIEEE TIPElsevier CVIU 委。虞教授将担任人工智能 ICPR 2020IEEE CVPR 2021的大会程序主席。

报告题目:Learning to Build a New Reality

摘要There have been tremendous advances on applying deep learning techniques for 2d image understanding. In contrast, very little work has focused on employing deep learning for modeling datasets beyond 2D such as 3D geometry and 4D light fields. In this talk, I present several latest works from our group on in this exciting new arena, with a focus on their applications to virtual and augmented reality and computational photography. I first present a novel deep surface light field (DSLF) technique. A surface light field represents the radiance of rays originating from any points on the surface in any directions. Traditional approaches require ultra-dense sampling to ensure the rendering quality. Our DSLF works on sparse data and automatically filling in the missing data by leveraging different sampling patterns across the vertices and at the same time eliminates redundancies due to the network's prediction capability. For real data, we address the image registration problem as well as conduct texture-aware remeshing for aligning texture edges with vertices to avoid blurring. Next, I present an end-to-end deep learning scheme to establish dense shape correspondences and subsequently compress 3d dynamic human bodies. Our approach uses sparse set of panoramic depth maps or PDMs, each emulating an inward-viewing concentric mosaics (CM). We then develop a learning-based technique to learn pixel-wise feature descriptors on PDMs. The results are fed into an autoencoder-based network to achieve ultra-high compression ratio.

2

孙剑,旷视科技(Face++)首席科学家

讲者简介:孙剑博士,目前在旷视科技(Face++)担任首席科学家旷视研究院院孙剑博士毕业于西安交通大学,毕业后加入微研究院,任至首席研究。其主要研究方向是基于深度学像理解、人脸识别、和影学,在顶级和期刊上100 余篇,谷歌学引用55,000 余次,H-index 75,其中11篇引用超1000 有国或美国35 项。2009 2016 年两次CVPR 最佳,曾担任ICCV 2011 CVPR 2014-2017域主席。 2010 年被MIT Technology Review评选为全球35 岁以下杰出青年创新者 2015 ImageNet COCO图像识别五项冠军, 2016 得国家自然科学二等2017 COCO & Places 图像理解大赛三项冠军,2018COCO & Mapillary图像大赛四项冠军。 领导研究的ResNetsFaster RCNNShuffleNet等技目前被广泛用在学和工界。

报告题目: 云、端、芯上的视觉计算

摘要越来越大和越来越深的神经网络不断降低着识别错误率,甚至在不少语音和图像识别任务上超过了人类。但是这些深度网络也对计算提出了新的要求和挑战:在很多视觉应用场景中,我们需要在不同的计算平台上最大化推理算法的性能。在这个报告,我将介绍一系列我们的近期分别针对云、移动端、芯片的深度神经网络设计工作,包括ResNet,ShuffleNet,DorefaNet等,以获得最佳的识别精度。同时也会介绍一些旷视科技在云、端、芯等应用场景的人工智能实践。

3

山世光技术研究所研究

介:山世光,中科院算所研究、博任中科院智能信息理重点实验室常副主任。他的研究为计算机视觉和机器学,在人脸识别识别上有超20年的研发经验带领团队获十余次国内外学术竞赛亚军,所研的人脸识别成功用于公安部出入境管理局、十几省公安、多款华为手机等。已在国内外刊物和学术会议上发表论文300余篇,其中CCF A类论文70余篇,文被谷歌学引用14000余次。曾邀担任()ICCVCVPR, ACCVICPRFGICASSP10+领域主流国际会议的领域主席,现/曾任IEEE TIP, CVIU, PRL,Neurocomputing, FCS等国刊物的(AE)。研究成果2005年度国家科技步二等2015年度国家自然科学二等

报告题目:后深度学习时代的视觉计算模型与方法

摘要:近年来,得益于有效利用大强监本的深度神算机视觉和模式识别多任上取得了跨越式的步,然而大量现实问题得大强监本,因此弱督、小本等复数据条件下的机器学研究具有重要理用价。本座将在回深度学习视觉计展及落地困的基础上,讨论后深度学习时代计算机视觉领域需要解决的一些关键挑战,特别是在复杂数据条件下的视觉学习问题,并介绍在这些视觉问题上的若干近期研究进展

4

乔宇,中科院深圳先进技术研究院研究员

讲者简介:乔宇,研究员,中科院深圳先进技术研究院集成所副所长,广东省机器视觉与虚拟现实重点实验室常务副主任。入选科技部中青年科技创新领军人才、是广东省科技创新领军人才、深圳鹏程学者长期特聘教授。从事计算机视觉、深度学习和机器人等领域的研究,已在包括PAMIT-IPIJCVCVPR ICCVECCVAAAI等重要国和期刊上表学术论150余篇,多次在ChaLearn, LSun, ActivityNet,EmotionW等国际评测中取得第一,ImageNet 2016场景分类任务第二名。主持科技部重点发计课题,国家自然科学基金联合基金重点项目、中国科学院国际合作重点,粤港合作等项目。曾获中国科学院卢嘉锡青年人才奖。担任IEEE ICIST 2014程序委会主席。

报告题目:为视频的深度识别方法与应用:从浅层特征和深度模型

摘要:基于视频的行分析和理解是算机视觉的一个基本问题,在控、人机交互、视频检索、网路媒体等域有重要的应用。与图像相比,行为视频包含有丰富的运动信息数据维度也更高。同时由于视频中包含行为人、视角、背景、运动、遮挡等复杂的变化,非受控条件下的复杂行为识别和理解一直是一个极具挑问题。在告中,我将介面向复典方法和最新展,特是我们课题组近年来开展的一些工作(CVPR13, ICCV13, CVPR 14, ECCV 14, CVPR15, IJCV 15, CVPR16,ECCV16,ICCV17CVPR18,PAMI 18)。内容包括视频特征编码、表示、迹卷特征池化、运向量CNN序分割模型、空注意模型等。我的方法在公开多类别数据UCF101, HMDB51上取得了先的识别率,在ActivityNet 16, ChaLearn等国际竞赛中取得第一。

5

鲁继文,清华大学副教授

讲者简介:鲁继文,清华大学自动化系副教授、博士生导师,中组部青年千人计划入选者,国家优秀青年基金获得者。主要研究方向为计算机视觉、模式识别和机器学习,发表IEEE Transactions系列60余篇(其中PAMI论文11篇),ICCVCVPRECCVNIPS论文40余篇,谷歌学引用6000余次,谷歌H指数40IEEE 最佳2次。主持国家重点研发计课题1项、国家自然科学基金项目2项。担任IEEE Transactions on Circuits and Systems for Video TechnologyIEEE Transactions on Biometrics, Behavior, and Identity SciencePattern Recognition7个国期刊委,中国工程院院刊Engineering青年通讯专家,ICIPICPRICMEWACV20多个国议领域主席,IEEE信号理学会多媒体信号理技会委IEEE信号理学会信息取与安全技会委IEEE电路与系统学会多媒体系统与应用技术委员会委员。

报告题目:深度度量学视觉内容理解

摘要:深度度量学将深度学的特征表示能力与度量学的相似性刻画能力相合,以端端的方式实现从原始入到出的感知,在多个视觉内容理解任中取得了重要展。告首先述深度度量学的基本思想和研究展,然后介大学自化系智能视觉实验室近年来所提出的面向视觉内容理解的多个深度度量学方法,主要包括深度判度量学、深度迁移度量学、深度抗度量学、深度耦合度量学、深度局部度量学、深度多度量学和深度哈希度量学等,以及它在人和属性识别、物体跟踪与识别、跨模匹配与识别像和视频检索等多个视觉内容理解任务中的应用。

6

赫然博士,中国科学院自化研究所研究

讲者简介赫然博士,中国科学院自化研究所模式识别国家重点实验室研究,中国科学院科学与智能技卓越新中心年骨干,中国科学院大学位教授。20012004年于大理工大学获计算机科学学士和士;2009年于中国科学院自化研究所,模式识别与智能系工学博士。2010年至今,在模式识别国家重点实验室任助理研究、副研究目研究、研究;担任中国科学院大学人工智能技学院模式识别教研室副主任,中国形学学会视觉大数据委会秘书长。从事模式识别应用基研究,获得中国科学院青年人才、北京青年秀科技文一等、吴文俊人工智能科学技术创等,并用到生物特征识别和智能视频监控,在面智慧城市管需求的系平台上取得成功用,取得一定经济效益。近期主要聚焦在生成式深度学以及大像生成中遇到的瓶颈问题,展开图像模式分析基研究。出版信息理习专1部;在IEEE TPAMITIPTIFSTNNLSTKDETBDTSMCS威国期刊以及NIPSICCVCVPRIJCAIAAAISIGIRACM MM威国议发130篇,研究工作得国家自然科学基金秀青年科学基金

报告题目:生成抗网及其用研究

摘要:生成抗网GAN, Generative Adversarial Networks)是深度学的主要成部分,是机器学算机视觉领域的重要研究内容之一。它起源于像数据的生成,而被广泛用于人工智能的各个域。人脸图像生成是抗生成网的主要用之一,通过对图像的内容行重进而创造出从内容或表上完全不同的像。通生成新的像,不但可以提高原有像的量,同时还可以为识别分析算法提供大量的训练数据。本课程将在对抗生成网络理论和方法介绍的上,结合实际商业应用,介绍近期开展的人脸图像生成方法和用,具体告内容包括全光函数、生成抗网、身份保持失和人脸图像旋、人超分、表情生成等

学术主任:

7

王亮博士,中科院自动化所研究,博IEEE、国模式识别协会会士(IAPR Fellow),模式识别国家重点实验室副主任、形学学会视觉大数据委会主任、算机学会算机视觉专委会秘书长视频大数据产业术创盟秘书长子学会青年科学家俱部副主席。中科院百人划入者(秀),国家杰出青年科学基金得者,国家青年科技奖获得者,中科院科学与智能技卓越新中心骨干人才,国家重点研发计目首席。2004中科院自化所工学博士学位。2004-2010年分在英国帝国理工学院、澳大利什大学、墨本大学及英国巴斯大学工作。主要研究域是模式识别算机视觉、大数据分析等。

8

郑伟诗,中山大学数据科学与算机学院教授。他主要面向大模智能视频监控,展开视频图像信息与信号的理研究,并开展大模机器学的算法和理研究。他目前的主要研究域是:视频监控下的行人身份识别与行信息理解。他已100余篇主要学术论文,其中70余篇表在识别和模式分类领域IEEE TPAMIIEEE TIPIEEE TNNLS等国主流威期刊和ICCVCVPR算机学会推荐A类国际学术会议。担任Pattern Recognition等期刊的委,担任AVSS 2012ICPR 2018BMVC 2018 Area Chair等。国家秀青年科学基金、英国皇家学会牛学者基金等项目支持。


报名须知:

1、报名费:CCF会员2500元,非会员3000元。开班现场报名,需缴纳报名费4000元(仅支持公务卡,银行卡,不收取现金)。食宿交通自理。根据交费先后顺序,会员优先的原则录取,额满为止。
给予西部五所高校两个名额,可免费,限CCF会员, 需个人提出书面申请并加盖院系公章,将电子版发至adl@ccf.org.cn, CCF将按照申请顺序进行录取。 (五所高校的名单如下:新疆大学,青海大学,云南大学,贵州大学,宁夏大学。)
2、报名截止及缴费说明:

(1)报名截止日期:2018年10月29日。报名请预留不会拦截外部邮件的邮箱。
(2)CCF会员报名,请务必在报名表中填写在有效期内的CCF会员号。否则按非会员处理;
3、联系:李红梅  
邮箱 : adl@ccf.org.cn  电话:18810669757