优信彩票|官网登录

活動內容

圖像視頻的自動理解是人工智能的核心問題之一,在深度學習技術的有力推動下,近年來得到了快速發展,一方面傳統任務的技術方法不斷迭代,性能指標屢創新高;另一方面新思想和新任務也不斷涌現,對如何解決此問題的認識也日益深入。當前,圖像視頻理解正在和知識表示优信彩票|官网登录、邏輯推理、語言處理等其他人工智能相關技術產生深層次的關聯,呈現出多領域交叉的態勢。圖像視頻理解的輸出結果已不僅是有限的幾個概念,而是更加知識化、結構化和語言化。從歷史的角度來看,圖像視頻理解技術雖然蓬勃進步,但仍處在變革發展期,其科學問題、關鍵挑戰、技術方案等還在不斷演化,還有很大的研究空間优信彩票|官网登录优信彩票|官网登录。

第12期CSIG圖象圖形學科前沿講習班(Advanced Lectures on Image and Graphics优信彩票|官网登录,簡稱IGAL)將于2019年7月30日-31日在清華大學舉辦优信彩票|官网登录,本期講習班主題為“圖像視頻理解”,由中科院計算所陳熙霖研究員擔任學術主任,邀請計算機視覺优信彩票|官网登录、多媒體與人工智能領域的一線青年專家作特邀報告,使學員在了解學科前沿、提高學術水平的同時,增強與國內外頂尖學者的學術交流。

一.組織機構

主辦單位:中國圖象圖形學學會

承辦單位:CSIG多媒體專業委員會

                 清華大學

二.時間地點

時間:2019年7月30日-31日

地點:清華大學羅姆樓

三.學術主任

陳熙霖,中科院計算技術研究所研究員,IEEE /IAPR Fellow、中國計算機學會會士优信彩票|官网登录。主要研究領域為計算機視覺优信彩票|官网登录、模式識別、多媒體技術以及多模式人機接口。目前是IEEE Trans. on Multimedia的AE和Journal of Visual Communication and Image Representation的Senior AE、計算機學報副主編和模式識別與人工智能副主編,任FG2013 / FG2018 General Chair、CVPR 2017/2019/2020, ICCV 2019等Area Chair。先后獲得國家自然科學二等獎1項,國家科技進步二等獎4項优信彩票|官网登录。在國內外重要刊物和會議上發表論文200多篇。

四.報告嘉賓(按講者姓氏拼音排序)

報告題目:生成式圖像分析與理解

報告摘要:視覺是人類感知外部世界的主要途徑,視覺數據生成主要通過視覺認知機理感知圖像或視頻數據的內容或表觀,進而由概率生成模型進行學習與擬合。它通過對視覺數據進行重組、渲染或再生优信彩票|官网登录,進而創造出在內容或表觀上完全不同的視覺數據优信彩票|官网登录。從影視、文化、藝術和安全等領域优信彩票|官网登录优信彩票|官网登录,到人們的日常生活优信彩票|官网登录,視覺數據生成都在其中具有廣泛應用,并扮演重要角色优信彩票|官网登录。由于視覺數據具有維度高、體量大、內容復雜等特點,因此生成高維、真實的視覺數據一直是機器學習和計算機視覺等領域的重要研究內容和長期研究目標优信彩票|官网登录。本報告主要介紹與視覺數據生成相關的視覺信息采集、視覺認知機理和概率生成模型,并從生成式機器學習角度分析圖像視頻理解的行業需求以及對人工智能發展的影響。

報告嘉賓:赫然优信彩票|官网登录,中國科學院自動化研究所模式識別國家重點實驗室研究員,中國科學院腦科學與智能技術卓越創新中心年輕骨干。近期主要聚焦在生成式深度學習以及圖像生成中遇到的瓶頸問題,展開圖像模式分析基礎理論研究。出版信息理論學習專著1部;在IEEE TPAMI、TIP、TIFS、TNNLS、TKDE、IJCV、PR等權威國際期刊以及NIPS、ICCV、CVPR优信彩票|官网登录、IJCAI、AAAI、SIGIR、ACM MM等權威國際會議發表論文130篇优信彩票|官网登录,研究工作獲得國家自然科學基金優秀青年科學基金和北京自然科學基金杰出青年科學基金資助。

報告題目:Learning structured visual concepts with few-shot supervision

報告摘要:Despite recent success of deep neural networks, it remains challenging to efficiently learn new visual concepts from limited training data. To address this problem, a prevailing strategy is to build a meta-learner that learns prior knowledge on learning from a small set of annotated data. However, most of existing meta-learning approaches rely on a global representation of images or videos which are sensitive to background clutter and difficult to interpret. In this talk, I will present our recent work on learning structured visual representations for few-shot recognition. The first topic is on few-shot action localization, in which given a few annotated examples per action class, we aim to find the occurrences of these action classes in untrimmed videos. Towards this objective, we introduce a meta-learning method that utilizes sequence matching and correlations to learn to localize action instances. In the second half of the talk, we will discuss a new few-shot classification method based on two simple attention mechanisms: one is a spatial attention to localize relevant object regions and the other is a task attention to select similar training data for label prediction. We will demonstrate the efficacy of our methods on several real-world datasets, including THUMOS14, ActivityNet and MiniImageNet.

報告嘉賓:何旭明,上河判挪势眧官网登录?萍即髮W副教授,多倫多大學計算機系(機器學習組)博士?优信彩票|官网登录,F在的研究課題專注于語義分割优信彩票|官网登录,物體檢測,三維場景理解,視覺運動分析,結構化模型的高效推理和學習,以及人工視覺。他已經發表了超過50篇期刊和會議文章,包括CVPR, ICCV, ECCV, AAAI, NIPS, IEEE TIP, IEEE TPAMI, Journal of Vision等优信彩票|官网登录。

報告題目:多模態數據的高階信息表示學習

報告摘要:文本圖像語音視頻等數據被廣泛用于表達語義信息,這些多模態數據互為補充、有時又相互矛盾,不同模態間蘊藏著復雜的高階關聯。近些年提出了多種高階表示以挖掘和利用多模態數據之間的復雜關聯,實現有效的多模態數據融合。本報告將介紹多模態數據的應用場景、多模態數據的高階表示以及基于高階表示的多模態數據的高效融合策略。

報告嘉賓:胡清華,天津大學教授、博導优信彩票|官网登录。博士畢業于哈爾濱工業大學?,F為天津大學智能與計算學部副主任、人工智能學院院長、天津市機器學習重點實驗室主任、中國人工智能學會理事、粒計算與知識發現專委會副主任优信彩票|官网登录,《IEEE Transactions on Fuzzy Systems》和《自動化學報》的編委优信彩票|官网登录。先后獲國家優青优信彩票|官网登录优信彩票|官网登录、國家自然基金重點項目以及國家重大科技專項支持,從事機器學習和數據挖掘方面的研究,聚焦于低質高維多模態數據的建模及其應用方面的研究。已申請專利12項优信彩票|官网登录优信彩票|官网登录,發表論文200余篇优信彩票|官网登录,150余篇被SCI檢索优信彩票|官网登录,獲省部級自然科學一等獎1項优信彩票|官网登录优信彩票|官网登录。

報告題目:圖像語義分割研究回顧與前瞻

報告摘要:圖像語義分割是一種像素級的分類任務,其目標為精確確定圖像中物體的位置和類別,可被廣泛用于無人駕駛、醫療診斷优信彩票|官网登录、圖像編輯、人機交互等不同領域?;谌矸e網絡(FCN)的圖像語義分割作為一項里程碑式工作优信彩票|官网登录,開啟了基于深度學習的圖像語義分割的研究探討,并在近幾年取得了飛速的發展。針對圖像語義分割中遇到的分割邊緣粗糙优信彩票|官网登录、容易丟失較大或較小目標等問題,研究者們提出了一系列的改進應對策略优信彩票|官网登录。本報告將回顧繼FCN之后,通過增加模型感受野、反卷積網絡、融合全局上下文與多尺度信息等不同改進方式的各項研究工作進行綜述,同時介紹本人近期的相關研究工作,最后對圖像語義分割未來值得探討的研究問題進行簡單討論。

報告嘉賓:劉靜,中科院自動化所研究員,主要研究領域包括圖像分析與理解优信彩票|官网登录,多媒體檢索、深度學習算法及應用等。在相關領域發表高水平學術論文150余篇,包括IEEE TPAMI、IEEE TNNLS优信彩票|官网登录、IEEE TIP與CVPR、ACM MM、AAAI等ACM/IEEE匯刊與中國計算機學會A類會議論文(長文)40余篇。谷歌學術引用3200+优信彩票|官网登录,h-index為29优信彩票|官网登录,SCI他引超過1000次,有2篇論文入選ESI高被引論文。獲中國圖像圖形學學會科學技術二等獎(排名第二)。相關成果在COCO-Place場景解析、京東商品搜索优信彩票|官网登录、微軟圖像識別任務等多項國際競賽中取得冠軍优信彩票|官网登录。

報告題目:深度強化學習與視覺內容理解

報告摘要:深度強化學習是人工智能領域的研究熱點,被認為是人類邁向通用人工智能的重要手段之一优信彩票|官网登录优信彩票|官网登录。深度強化學習通過將深度學習的感知能力與強化學習的決策能力相結合,以端對端的方式實現從原始輸入到高層語義的感知與決策优信彩票|官网登录,在許多視覺內容理解任務中均取得了重要進展。報告首先簡述深度強化學習的基本概念與原理优信彩票|官网登录,然后將重點介紹近年來面向視覺內容理解所發展的多個深度強化學習方法,包括多智能體深度強化學習、圖深度強化學習、和結構化深度強化學習等优信彩票|官网登录,以及它們在物體檢測與識別、目標跟蹤與檢索、行為預測與識別优信彩票|官网登录、圖像與視頻編輯、和深度模型壓縮等多個視覺內容理解任務中的應用。

報告嘉賓:魯繼文优信彩票|官网登录,清華大學自動化系副教授、博士生導師,主要研究領域為計算機視覺、機器學習、智能機器人优信彩票|官网登录。發表IEEE匯刊論文60余篇,CVPR/ICCV/ECCV會議論文50余篇优信彩票|官网登录,論文被引用7800余次。主持承擔國家自然科學基金聯合重點基金、國家重點研發計劃課題等科研項目10余項。擔任國際期刊PR Letters主編,T-IP、T-CSVT优信彩票|官网登录、T-BIOM和PR編委优信彩票|官网登录,國際會議AVSS 2020和DICTA 2019程序委員會主席,中國計算機學會計算機視覺專委會常務委員。入選中組部青年千人計劃优信彩票|官网登录,獲國家優秀青年科學基金,和ICME 2019多媒體新星獎优信彩票|官网登录。

報告題目:Efficient and High-Resolution Representation Learning for Visual Recognition

報告摘要:Convolution neural networks have been dominant solutions for visual recognition. I first introduce a novel framework: Interleaved Group Convolution (IGC). It uses the product of structured sparse kernels to compose a dense convolution kernel, removing the redundancy in convolution kernels and improving both computation and parameter efficiency. The IGC network, similar to concurrently-developed ShuffleNet, is superior to MobileNet.Then, I will present our high-resolution network framework (HRNet). The HRNet maintains high-resolution representations by connecting high-to-low resolution convolutions in parallel and strengthens high-resolution representations by repeatedly performing multi-scale fusions across parallel convolutions. The effectiveness is demonstrated in many visual recognition problems: human pose estimation, semantic segmentation, object detection, facial landmark detection, and ImageNet classification. It outperforms U-Net, Hourglass, and other state-of-the-art segmentation and pose estimation networks. The HRNet turns out to be a strong replacement of classification networks (e.g., ResNets, VGGNets) for visual recognition. We believe that the HRNet will become the new standard backbone.

報告嘉賓:王井東,微軟亞洲研究院視覺計算組資深研究員优信彩票|官网登录,研究方向包括計算機視覺优信彩票|官网登录、多媒體以及機器學習。目前研究的問題包括高效神經網絡結構的設計、行人再識別以及多媒體搜索等,其在視覺、機器學習以及多媒體領域里發表了論文 100 余篇,個人專著一本,其研究成果 10 多次被轉化到微軟的關鍵產品和服務中。他曾擔任過CVPR优信彩票|官网登录、ICCV、ECCV、AAAI、IJCAI、ACM MM 等計算機視覺和人工智能會議的領域主席和高級程序委員會委員,也是IEEE 匯刊 IEEE Transactions on Patten Analysis and Machine Intelligence、 IEEE Transactions on Circuits and Systems for Video Technology 和 IEEE Transactions on Multimedia 的編委會成員,也是國際模式識別學會的會士。

報告題目:開放場景中的物體識別

報告摘要:通用物體識別是視覺場景理解的基礎核心任務之一优信彩票|官网登录,近年來得益于深度學習技術的發展和互聯網大數據的繁榮,取得了顯著的進步,當前主流方法在相對封閉場景的數據集上甚至超越了人類視覺系統的識別能力优信彩票|官网登录。本報告將首先簡要回顧過去幾年物體識別任務在數據構建优信彩票|官网登录、方法研究方面所取得的主要進展优信彩票|官网登录;接下來分析真實開放場景中面臨的主要挑戰,包括:海量物體類別間的復雜語義與視覺關聯、開放場景中天然的長尾分布導致的標注數據稀缺优信彩票|官网登录、跨場景應用所面臨的視覺識別模型推廣與知識遷移等;之后將重點介紹本課題組近幾年圍繞開放場景識別所開展的一些探索,包括:屬性與類別關聯的多任務圖像檢索、屬性輔助的零樣本物體識別、開放環境下的增量物體識別、場景推理驅動的物體檢測與關系分析等。

報告嘉賓:王瑞平,中科院計算所研究員,博士生導師。主要研究復雜真實場景下的圖像視頻目標識別與檢索等問題。目前在領域主流國際期刊和會議發表論文60余篇(含CCF-A類論文26篇),Google Scholar引用3000余次,獲授權國家發明專利6項。擔任IEEE Access、The Visual Computer (Springer)、Neurocomputing (Elsevier)、Pattern Recognition(Elsevier)等國際期刊的編輯/客座編輯,國際會議IEEE WACV2018-2020、ICME2019、IJCB2020領域主席优信彩票|官网登录,IEEE FG2018、IJCB2020出版主席,ICB2019宣傳主席等。入選2012年度中科院計算所“百星計劃”、2014年度微軟亞洲研究院“鑄星計劃”、2015年度中科院青年創新促進會、2015年度“CCF-Intel青年學者提升計劃”等。獲得2015年度國家自然科學獎二等獎(第4完成人)。擔任中國計算機學會計算機視覺專委會(CCF-CV)副秘書長优信彩票|官网登录。

報告題目:卷積神經網絡的靈活性初探

報告摘要:當前的計算機視覺解決方案中,往往需要對各種視覺任務設計相應的網絡結構。對于一些底層視覺任務如圖像去噪,甚至針對每一種典型的噪聲水平都需要重新學習一個深度網絡模型。報告將通過分析這一問題,主要結合底層視覺和圖像轉換介紹一些可行的解決思路。此外,對一些單一高層視覺任務优信彩票|官网登录,也可以通過引入類似的角度設計和學習深度網絡來改善模型性能和適應性优信彩票|官网登录。報告將簡介我們近年來在這些方面的一些探索和發現,希望能為大家從(1)條件變量的引入和編碼、(2) 條件變量與輸入的相互作用機制、(3) 條件變量估計等角度改善模型的自適應性,進一步發展和應用深度卷積網絡起到拋磚引玉的作用。

報告嘉賓:左旺孟优信彩票|官网登录,哈爾濱工業大學計算機學院教授、博士生導師。主要從事圖像增強與復原、圖像編輯與生成优信彩票|官网登录、物體檢測與目標跟蹤、圖像與視頻分類等方面的研究。在CVPR/ICCV/ECCV等頂級會議和T-PAMI、IJCV及IEEE Trans.等期刊上發表論文90余篇。曾擔任ICCV/CVPR等CCF-A類會議領域主席。

五.注意事項

1、本期講習班限報200人,根據繳費先后順序錄取,報滿為止优信彩票|官网登录。

2、2019年7月29日(含)前注冊并繳費:CSIG會員1600元/人,非會員報名同時加入CSIG 2000元/人(含1年會員費);同一單位組團(5人及以上)報名,均按CSIG會員標準繳費;

現場注冊:會員、非會員均為3000元/人;CSIG團體會員參加,按CSIG會員標準繳費。

3、注冊費包括講課資料和2天會議期間午餐,其它食宿、交通自理。

六.報名方式

登錄系統:http://conf.csig.org.cn/fair/359即可在線報名繳費。

活動信息
·主辦方

中國圖象圖形學學會

·承辦方

CSIG多媒體專委會,清華大學

·時   間

2019-07-30 08:00 - 開始

2019-07-31 18:00 - 結束

·地   點

清華大學羅姆樓

·電   話

010-82544676

17812762235

·郵   箱

igal@csig.org.cn

·限   報

200人

                          优信彩票|官网登录 菲彩国际|官网登录 澳发彩票|手机app下载 好运彩票|手机app下载 金龙彩票|手机app下载 盛大彩票|手机app下载 新宝彩票|官网登录 速8彩票|手机app下载 湖南快乐十分开奖走势图 明发彩票|官网登录 金利彩票|手机app下载 开心彩票|官网登录 广东快乐十分开奖结果 浙江36选7走势图 广东快乐十分走势图 河北福彩排列7走势图