學(xué)術(shù)報告一
報告題目：3D Reconstruction for Object Modeling and Scene Analysis
報告人：查紅彬 教授
單位：北京大學(xué)
報告時間：2016年12月25日（周日）上午08:50～09:50
報告地點(diǎn)：學(xué)術(shù)會議中心二樓小報告廳
報告摘要：3D reconstruction is an important field in computer vision, and results accumulated in the field have found wide applications in virtual reality, creative media design, and robotics. But nevertheless, we still face great challenges when we try to use the techniques in modeling both objects with complex structures or large-scale scenes. The major difficulties come from several constraints in traditional approaches, including ambiguity and uncertainty inherent in the reconstruction algorithms, limitation on viewpoint movements, occlusion of objects, and low-resolutions of available 3D data. In the talk, I will introduce some newly developed methods aiming to solve the problems by making good use of imaging geometry principles and fusion of data from different sensors. Main topics include: reconstruction from silhouettes from a camera system with two planar mirrors; depth image super-resolution based on similarity-aware patchwork assembly. I also will report results from an application of such 3D digitization techniques in heritage documentation, mainly for grotto objects and scenes.
報告人簡介：Hong bin Zha received PhD degree in electrical engineering from Kyushu University, Japan, in 1990. After working as a research associate at Kyushu Institute of Technology, he joined Kyushu University in 1991 as an associate professor. He was also a visiting professor in the Centre for Vision, Speech, and Signal Processing, Surrey University, Unite Kingdom, in 1999. Since 2000, he has been a professor at the Key Lab on Machine Perception (MOE), Peking University, China.
His research interests include computer vision, pattern recognition, and human-machine interactions. He has published more than 300 technical publications in journals, books, and international conference proceedings. He received the Franklin V. Taylor Award from the IEEE Systems, Man, and Cybernetics Society in 1999, and Best Paper Awards in Euromed 2010.
學(xué)術(shù)報告二
報告題目：距離度量深度學(xué)習(xí)及其在行人再識別問題中的應(yīng)用
報告人：王進(jìn)軍 教授
單位：西安交通大學(xué)
報告時間：2016年12月25日（周日）上午09:50～10:50
報告地點(diǎn)：學(xué)術(shù)會議中心二樓小報告廳
報告摘要：行人再識別主要解決不同場景中相同行人的關(guān)聯(lián)問題，受觀察視角、背景雜波、光照條件、相互遮擋等外在因素的影響，同一行人在不同場景中的特征可能存在很大的差異，因此使得行人再識別成為了視頻監(jiān)控領(lǐng)域中一個非常具有挑戰(zhàn)性的難題。為了解決這個問題，我們在深度學(xué)習(xí)的框架下提出了一個系列端到端的行人再識別的算法，例如點(diǎn)到點(diǎn)、點(diǎn)到集合、集合到集合的距離度量學(xué)習(xí)方法。為了學(xué)習(xí)到更加穩(wěn)健和更具有判別型的特征，我們設(shè)計了幾組新型的淺層神經(jīng)網(wǎng)絡(luò)模型，這些結(jié)構(gòu)中包含了分塊策略、特征融合、殘差控制等技術(shù)，使得模型不但更加容易訓(xùn)練，而且具有很高的測試精度。點(diǎn)到點(diǎn)的距離度量算法旨在最大化正樣本對與負(fù)樣本對之間的相對距離，使得正負(fù)樣本對在特征空間中存在一個設(shè)定的安全距離。 它解決了在三元架構(gòu)中，傳統(tǒng)算法不能夠?qū)ΨQ地反傳梯度的問題，因而極大了提高了行人再識別的精度。點(diǎn)到集合的距離度量算法將一個樣本和一個樣本集合當(dāng)作優(yōu)化對象，在神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程中不斷地優(yōu)化樣本到樣本集合邊界的距離，最終使得同類樣本之間的距離小于異類樣本之間距離。集合到集合的距離度量算法直接優(yōu)化樣本集合與樣本集合之間的邊界距離，促使同類樣本在特征空間中緊密聚集，異類樣本在特征空間中相互遠(yuǎn)離。大量在公開數(shù)據(jù)集（VIPeR, i-LIDS, 3DPeS, CUHK01, CUHK03, PRID2011 和 Market1501）上的測試結(jié)果表明，我們提出的這些方法已經(jīng)取得了業(yè)內(nèi)領(lǐng)先的結(jié)果。
報告人簡介：王進(jìn)軍教授，是多媒體計算與模式識別領(lǐng)域非常活躍的青年學(xué)者，長期在海內(nèi)外知名大學(xué)及國際一流科研機(jī)構(gòu)從事研究工作。他在圖像特征向量優(yōu)化、復(fù)雜場景下的多目標(biāo)檢測與跟蹤、多模態(tài)體育視頻復(fù)雜場景分析、圖像分辨率增強(qiáng)、時間序列信號分析等研究方向上提出了多項(xiàng)創(chuàng)新的理論方法與關(guān)鍵技術(shù)方案，成為許多后續(xù)研究的理論擴(kuò)充及比較對象。王進(jìn)軍教授編寫英文著作1部，在國際知名學(xué)術(shù)期刊TIP、T-MM、T-ITS、PR和頂級國際會議CVPR、ECCV、MM等上發(fā)表學(xué)術(shù)論文50余篇，代表性論文被他引超過2700多次，單篇最高他引超過1200次，已獲授權(quán)美國發(fā)明專利14項(xiàng)?；谏鲜鲅芯砍晒?，王進(jìn)軍教授獲得2項(xiàng)NEC公司獎和1項(xiàng)微軟亞洲獎。王進(jìn)軍教授作為主要成員幫助其所在團(tuán)隊在圖像視頻領(lǐng)域最具影響力的國際比賽TRECVID Event Detection（2009）和PASCAL VOC（2009）中獲得冠軍。
學(xué)術(shù)報告三
報告題目：數(shù)字圖書館的持續(xù)發(fā)展
報告人：牛振東 教授
單位：北京理工大學(xué)
報告時間：2016年12月25日（周日）上午10:50～11:50
報告地點(diǎn)：學(xué)術(shù)會議中心二樓小報告廳
報告摘要：數(shù)字圖書館是計算機(jī)和網(wǎng)絡(luò)技術(shù)發(fā)展的必然產(chǎn)物，報告將重點(diǎn)介紹數(shù)字圖書館的智能化發(fā)展及其對教育科研的影響，包括：數(shù)字在圖書館的產(chǎn)生、數(shù)字圖書館的基本特征、數(shù)字圖書館的持續(xù)發(fā)展、新技術(shù)對數(shù)字圖書館的影響、數(shù)字圖書館持續(xù)發(fā)展對教育和科研的影響。
報告人簡介：牛振東，北京理工大學(xué)計算機(jī)學(xué)院教授、博士生導(dǎo)師、副院長,兼任“北京理工大學(xué)-悉尼科技大學(xué)數(shù)據(jù)挖掘與服務(wù)技術(shù)聯(lián)合研究中心”聯(lián)合主任、匹茲堡大學(xué)信息學(xué)院兼職教授、中國索引學(xué)會副理事長、國家基礎(chǔ)教育資源共建共享聯(lián)盟副主席等學(xué)術(shù)職務(wù)。歷任郵電部數(shù)據(jù)局工程師、匹茲堡大學(xué)LRDC博士后、卡內(nèi)基梅隆大學(xué)計算機(jī)學(xué)院研究員和兼職研究員、中國數(shù)字圖書館公司技術(shù)總監(jiān)、北京理工大學(xué)軟件學(xué)院教授、博士生導(dǎo)師、副院長等。主要研究海量數(shù)字資源組織管理、數(shù)據(jù)挖掘、智能在線教育與學(xué)生評價模型、軟件體系結(jié)構(gòu)，近年承擔(dān)包括973 課題、國家自然基金項(xiàng)目等在內(nèi)的國家課題十多項(xiàng)，主持研究開發(fā)多項(xiàng)教育技術(shù)成果并在“國家基礎(chǔ)教育網(wǎng)格”等國家工程應(yīng)用。在國際頂級學(xué)術(shù)期刊和國際主流會議發(fā)表論文80多篇。獲IBM全球高校教師創(chuàng)新獎勵、教育部新世紀(jì)優(yōu)秀人才計劃、北京市教育成果一等獎等獎勵。
太陽集團(tuán)tyc5997
TOP
