中国计算机学会计算机视觉专委会走进高校系列报告会通知

主题：计算机视觉前沿技术及应用

时间：2016年4月8日（星期五）下午13:30-18:00

地点：杭州电子科技大学科技馆二楼扇形会议厅

主讲人：陈熙霖博士，中科院计算技术研究所

王亮博士，中科院自动化所模式识别国家重点实验室王井东博士，微软亚洲研究院

汪　萌博士，合肥工业大学

操晓春博士，中国科学院信息工程研究所

联系人：俞俊教授yujun@hdu.edu.cn

报告人：陈熙霖

简历：博士，中科院计算技术研究所研究员，中国计算机学会会士，IEEE Fellow。主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。

摘要：手语是聋人使用的重要交流手段之一，提供了丰富的交互信息，自动手语识别为手语使用者与健听者之间的直接交流提供了一种可能。手语中复杂的手势变化对自动识别是一个巨大的挑战。报告将介绍我们在自动手语识别方面的工作以及进展。

报告人：王亮

简历：博士，研究员，博导，IEEE高级会员、国际模式识别协会会士（IAPR Fellow），国家杰出青年科学基金获得者，中科院自动化所模式识别国家重点实验室副主任、计算机学会计算机视觉专业组秘书长、图像视频大数据产业技术创新战略联盟秘书长。

摘要：Deep learning is a powerful technique which is able to learn discriminative and task-oriented representations for data contents in various pattern recognition applications. Recently, it is demonstrated that, deep learning technique can also be adapted to data relation learning, namely deep relation learning, by achieving state-of-the-art results in many relation learning tasks. This talk will first present the background of deep relation learning, including deep neural networks, deep learning and its applications to data relation learning. Then it will describe our recent work on learning pairwise similarity relation for face verification using conditional high-order Boltzmann machines, and learning temporal dependency relation for multi-frame super-resolution using bidirectional recurrent convolutional networks, as well as some future direction.

报告人：王井东

简历：Jingdong Wang is a Lead Researcher at the Visual Computing Group, Microsoft Research Asia. His areas of interest include computer vision, multimedia, and machine learning.

摘要：In this talk, I will introduce my recent efforts on big media data and focus on two aspects. First, I will introduce neighborhood graph search and composite quantization for large scale similarity search. Second, I will share our study on deep learning for visual understanding and search. Finally, I will show several applications to Microsoft XiaoIce.

报告人：汪萌

简历：合肥工业大学教授，主要研究方向为多媒体内容分析、搜索、推荐等。现任计算机与信息学院副院长、安徽省人工智能学会理事长，国家优秀青年科学基金获得者。

摘要：超图由于其对数据样本之间的高阶关系挖掘能力，被广泛应用于分类、聚类、降维等模式识别与机器学习任务。此报告对自适应超图构建与学习方法进行探讨，介绍了基于样本选择的超边构建以及超边权重学习方法，提升了超图模型的在视觉分类中的性能与鲁棒性。

报告人：操晓春

简历：中科院信息工程研究所信息安全国家重点实验室研究员。国家自然科学基金委优秀青年基金获得者，入选中组部万人计划“青年拔尖人才支持计划” 、中国科学院“百人计划”。

摘要：互联网技术的不断发展给我们带来资源共享便利的同时也带来了很多挑战。网络空间充斥着宣传敏感、有害信息资源，对国家安全和构建和谐的互联网环境构成了严重威胁。有些多媒体内容甚至通过信息隐藏技术嵌入了大量危害国家安全的秘密信息和反动信息。面对网络空间大数据中的图像视频进行人工检查和审计是一项复杂且耗时的工作，且需要一定的技术经验。针对这一问题，报告人拟汇报信息安全国家重点实验室在相关领域的一些理论研究进展，以及国际国内的研究现状。

欢迎各位老师参加！