2018年4月28日，CCF YOCSEF天津在天津大学北洋园校区计算机学院55教学楼B204会议室成功举办了“开放环境下的视觉前沿技术”学术报告会。
本次论坛以“开放环境下的视觉前沿技术”为主题，邀请了中科院计算所王瑞平研究员、西安电子科技大学邓成教授、清华大学高跃副教授以及南京大学史颖欢副教授作为活动特邀讲者参与报告会。YOCSEF天津荣誉委员、天津大学计算机学院副院长胡清华教授参加了此次活动。本次学术报告会执行主席为YOCSEF天津委员、天津大学朱鹏飞博士和天津大学张长青博士。来自天津大学、南开大学、河北工业大学等高校的80余位师生参加了此次报告会。
图1. 学术报告会进行中
王瑞平研究员以“视觉场景理解--从感知到认知的探索”为题首先进行了报告。王瑞平研究员认为，近年来计算机视觉在深度学习与大数据的助推下取得了蓬勃发展，研究的重心开始从关注物体识别走向关注更深层次的场景理解。报告中，王瑞平研究员介绍了他的课题组近两年在视觉场景理解研究方面取得的一些进展，包括属性与类别的关联学习、开放场景中的物体识别、场景推理驱动的物体检测、视觉问答等工作。
图2. 王瑞平研究员做学术报告
接着，邓成教授做了题目为“深度多模态哈希学习”的学术报告。邓成教授讲到，搜索引擎和社交媒体的快速发展使得多媒体数据呈现爆炸式增长，多模态检索成为近年来的研究热点问题。面向实际应用，多模态检索要求具有低存储消耗和快速响应查询等特点。而不同模态数据之间存在的“语义鸿沟”是造成检索精度不高的主要原因。鉴于此，邓成教授的报告从有监督和无监督两种方式出发，探讨了当前最新的深度多模态哈希学习方法，为减轻模态间的“语义鸿沟”及提高检索精度提供了有益借鉴。
图3. 邓成教授在做学术报告
接下来，高跃副教授做了题目为“超图结构学习”的学术报告。报告中主要介绍了超图结构学习的理论及应用。超图是一种广义的图结构，因其具有较强的数据样本间非线性高阶关联的刻画和挖掘能力而被广泛应用于数据分类、检索等任务中。针对这一技术及其在多领域中的应用，高跃副教授首先介绍了基于超图结构的多种建模方法，特别是基于单模态和多模态环境下的数据关联建模机制。进一步，围绕超图上的关联学习介绍了从传统的学习方法到超图结构学习的系列算法。针对实际应用中存在的数据样本不平衡、分类代价敏感、数据关联建模复杂等挑战，介绍了基于代价敏感信息的超图学习及动态超图结构学习方法。最后，高跃副教授介绍了超图结构学习在软件缺陷检测、列车节能自动驾驶、遥感数据分类等领域的应用。
图4. 高跃副教授做学术报告
史颖欢副教授在最后做了题目为“基于非独立同分布学习的医学图像分割方法”的学术报告。史颖欢副教授讲到，近年来，机器学习方法在医学图像分析中得到了广泛的关注。对于医学图像，由于需要满足特定的约束关系（如相邻组织间的解剖信息），不同的组织（如细胞区域、图像块）所抽象出的特征、样本、模态之间，往往很难满足常见的独立同分布假设，导致直接使用机器学习方法在一些应用中失效。史颖欢副教授在报告中介绍了他的研究组在基于非独立同分布学习的医学图像分割方面的进展。
京公网安备 11010802032778号