快乐赛车开奖

欢迎光临中国图象图形学学会官方网站,让我们一起努力,探索图象图形领域的广袤天地!
快乐赛车 > 学会活动 > CSIG中国行

CSIG图像图形中国行—华南理工大学-43

2019-12-24

        2019年12月21日,历时一天的“CSIG图像图形中国行—华南理工大学站”完满落幕。本次“CSIG图像图形中国行”由中国图象图形学学会(CSIG)主办,CSIG机器视觉专委会和华南理工大学广州市机器人软件及复杂信息处理重点实验室承办,广州视源电子科技股份快乐赛车协办。本次论坛主题为“跨模态机器视觉前沿”,旨在推动图像图形学科的普及,为广大学生带来跨模态机器视觉领域的前沿理论、方法和最新进展,拓宽学生学术视野,同时促进和加强高校与企业间科研交流与技术合作。来自全国各大高校的近200名研究生、以及50多名来自广东省各大企业和科研机构的科研人员参与了本次论坛。


image.png

论坛现场


        本次论坛由华南理工大学软件学院谭明奎教授、CVTE中央研究院杨铭博士共同担任学术主任,并邀请了六名机器视觉领域知名专家作专题报告。受邀嘉宾包括:南方科技大学张建国教授、北京大学张史梁研究员、南京信息工程大学刘光灿教授、中国科学技术大学张天柱教授、清华大学计算机系黄文炳助理研究员、以及华南理工大学贾奎教授。


image.png

谭明奎教授主持开幕式


image.png

CVTE尤天远董事致辞


        本次论坛开幕式由华南理工大学谭明奎教授主持,介绍了本次主题和受邀嘉宾,对参与论坛的近250名与会师生和企业代表表示热烈欢迎。广州视源电子科技股份快乐赛车(CVTE)董事尤天远先生代表本次论坛协办方致辞。尤天远先生首先对与会同学与企业技术人员表示了热烈欢迎,并简要介绍了CVTE近几年来在人工智能技术研究与落地方面的探索和进展,寄望本次前沿论坛成为各行人员与领域前沿专家交流的平台,有效促进高校与企业间的技术交流与合作。


image.png

张建国教授作报告


        开幕式结束之后,南方科技大学张建国教授带来了题为“基于人工智能的自动脑肿瘤分割”的学术报告。报告首先指出,自动分割的高可靠性对于诊断、治疗规划和术后随访具有相当大的价值。随后,张教授基于框架的由浅入深,解析了当前肿瘤分割的难点,并指出肿瘤分割问题的关键在于建立精准的肿瘤边界。接下来,张教授展示了其团队在肿瘤分割方面的部分工作成果,如基于边界增强的肿瘤分割方法,能显著提高了肿瘤边界的分割精度;又如在病理基因组学预测性能方面,其团队提出的方法生成的肿瘤区域与基于手动分割 DKI 对肿瘤基因突变状态预测性能已经十分接近。张建国教授的报告分享循序渐进、层层深入,让学员们对该领域未来的研究方向有更深层次的了解。

 

image.png

张史梁研究员作报告


        接下来,北京大学研究员张史梁博士进行了题为“视频图像行人重识别”的学术报告。首先,张博士指出行人重识别是计算机视觉领域的研究热点以及智能监控应用中的核心关键技术,并介绍了行人重识别近年来的发展历史和应用领域。通过将行人重识别与人脸识别进行对比,张博士重点阐述了行人重识别任务所面临的挑战。紧接着,张博士介绍了目前行人重识别效果所面临的一些影响因素:训练数据难以标注、行人外观易受光照、姿态、遮挡等。在如何提升行人重识别任务的准确率与效率方面,张博士介绍了近五年在行人图像的语义属性上下文关系、语义属性学习、半监督深度学习框架构建、行人图像迁移、海量行人图像离线索引等方面的系列研究。最后,张博士分享了他的团队在行人重识别方面取得的最新成果。张博士的报告贴近领域前沿,为学员进一步的研究以及产品落地提供了独到的思路。


 image.png

刘光灿教授作报告


        随后,南京信息工程大学刘光灿教授作了题为“基于卷积核范数的数据预测”的学术报告。刘教授首先从现实生活中的序列数据预测问题出发,探讨了序列数据预测,如天气预报、股市走势、车辆运动轨迹判断等应用在现实场景中的重要性与可行性。接着,刘教授介绍了张量序列数据预测的相关背景知识,如矩阵补全、傅里叶变换、张量卷积、卷积矩阵、卷积特征值等。随后,刘教授提出了一种基于卷积核范数的张量序列预测方法,并给出了未来数据的可确定性条件。刘教授从理论与实验层面综合的展示了该方法在一元时间序列预测、图像补全、图像序列预测、降水量预测等应用中的有效性。刘教授的报告激情澎湃、循序渐进,为以后相关方向的研究提供了新思路。

 

image.png

张天柱教授作报告


        下午,中国科学技术大学张天柱教授带来了题为“目标跟踪算法研究进展和趋势”的学术报告。目标跟踪是计算机视觉领域的热门研究方向之一,同时在产业界也具有广阔的应用前景。张教授首先在报告中介绍了视觉目标跟踪的研究背景,回顾了近年来的研究进展,以及当前目标跟踪任务所面临的挑战。接着,张教授重点讨论了目标跟踪的一些代表性方法,如粒子滤波、基于分类器目标跟踪、稀疏跟踪、基于深度学习跟踪、及相关滤波等。在报告的最后,张教授介绍了其团队基于稀疏表示、相关滤波、深度学习的目标跟踪相关研究成果。张教授深入浅出的报告引发会场学员们的思考,并与现场的老师、同学们展开了激烈的讨论,引发了一场精彩的思维碰撞。


 image.png

黄文炳博士作报告


        接下来,清华大学计算机系助理研究员黄文炳博士进行了题为“基于视频观测的模仿学习”的学术报告。黄博士主要介绍了其在NeurIPS 2019会议上发表的一篇工作。在报告的开始,黄博士向台下提出了“什么是模仿学习?”、“模仿学习到底有怎样的重要性?”的问题,引发众人思考。进而引出从完备专家演示中学习以及从观察中学习两种不同的模仿学习方式,并分别从理论和实践的角度讨论了二者不同。随后,黄博士从理论层面指出,在GAIL的建模框架下,二者的差别实际上是由智能体和专家逆运动模型的不一致性所产生。黄博士逐层深入地讲解了模仿学习的基本理论与前沿方法,将复杂的模仿学习讲解得十分透彻,激起了学员们对模仿学习的兴趣,并加深了对此领域的理解。

 

image.png

贾奎教授作报告


        最后,华南理工大学贾奎教授带来题为“基于深度学习的三维物体感知与重构探索”的学术报告。贾教授首先介绍了三维物体感知与重构的研究现状,并以三维重建网络mesh作为切入点,详细讲解了重建三维物体的难点与挑战。随后,贾教授从三维物体表面重建的三个阶段,即网格初始化、点云生成、网格重建,分别介绍了相关重构方法。接下来,贾教授阐述了三维物体检测的方法和三维物体检测问题的解决思路。在报告的最后,贾教授分享了点云对抗样本分析等方面的最新进展,向参会学者展示了华南理工大学“几何感知与智能实验室”所研究的机械手抓取视频,生动地讲解了物体抓取研究的趣味性与挑战。贾教授的报告加深了学员们对该领域的了解,使学员们受益匪浅。

 

image.png

论坛现场


image.png

论坛现场

 

        在全体参会者热烈的掌声中,本次跨模态机器视觉前沿论坛圆满结束。在本次论坛中,多位专家进行了分享与交流,从多个角度介绍了当前跨模态机器视觉的前沿理论方法和最新技术进展,使学员加深了对前沿热点和领域发展现状的了解,增强了与顶尖学者间的学术交流,从多个维度拓宽了知识面,有效提升了学员的科研热情和认知水平。


疯狂斗牛 湖北快3 极速3D彩票 吉林快3走势 全球彩票开户 北京两步彩走势图 欢乐生肖 秒速时时彩 山东11选5走势 上海11选5走势