模式识别与人工智能前沿技术讲习班 会议启事及报名通知

发布者:吴春风发布时间:2018-10-18浏览次数:36


主办:中国自动化学会模式识别与机器智能专委会、中国人工智能学会模式识别专委会

协办:广东省图象图形学学会、广东省图象图形学学会计算机视觉专委会

承办:华南理工大学电子与信息学院、软件学院


引言
近年来,人工智能理论、方法和技术快速发展,尤其是深度学习技术带动了智能任务的性能快速提升和在社会多个领域的成功应用。模式识别是人工智能领域的主要分支方向之一,通过自动识别物体、场景、行为、现象等实现智能感知,是智能系统中的关键功能之一。模式识别与人工智能其他方向(知识推理、机器学习、语言理解、机器人、博弈等)的融合趋势也越来越明显。随着研究和应用的不断深入,以深度学习为代表的人工智能技术的局限也不断显现,并促进理论方法不断向前发展。



为了给本领域研究者、技术开发人员和研究生介绍模式识别与人工智能前沿理论方法和最新进展,中国自动化学会模式识别与机器智能专业委员会和中国人工智能学会模式识别专业委员会联合主办这次前沿技术讲习班。讲习班于20181121-22日在广州举办,由模式识别国家重点实验室刘成林主任、华南理工大学金连文教授以及华南理工大学谭明奎教授担任学术主任,并邀请了多名人工智能和模式识别领域的知名专家作报告,使学员在了解学科热点、提高学术水平的同时,增加同人工智能和模式识别领域顶尖学者之间的学术交流。





时间:20181121日 – 22

地点:华南理工大学逸夫科学馆学术报告厅(广州市五山路381)


特邀讲者

张长水

清华大学教授

IEEE Fellow, IEEE TPAMI编委


讲座题目:从图像到文本:图像自然语言描述的方法、机理与数据

摘要:近年来图像的自然语言描述取得了很大的进展。在这个报告中,首先介绍当前图像的自然语言描述方面的现状,然后介绍我们在这个问题上的三个工作。第一个工作是结合了图像场景信息和区域信息的自然语言描述方法;第二个工作,是结合再励学习的自然语言描述的机理研究;第三个工作,是训练数据集的自动扩展方面的工作。

讲者介绍:张长水,男,1965 年出生,1986 7月毕业于北京大学数学系,获得学士学位。19927 月毕业于清华大学自动化系,获得博士学位。1992 7 月至今在清华大学自动化系工作。现任清华大学自动化系教授、博士生导师,主要研究兴趣包括:机器学习、模式识别、计算视觉等方面。目前是IEEE Fellow, 计算机学会高级会员;担任学术期刊IEEE Trans. on PAMI 等杂志编委;在国际期刊发表论文130多篇,在顶级会议上发表论文50多篇。



特邀讲者

林宙辰  

北京大学教授

国家杰青、IEEE FellowIAPR FellowIEEE TPAMI/IJCV编委


讲座题目:Optimization and Deep Neural Networks

摘要:Abstract: Optimization is an integral part of machine learning. However, optimization can not only serve deep neural works as a computational tool, but also help design deep neural networks. In this tutorial, I will introduce basics of convex analysis, commonly used first-order optimization algorithms and show how they inspire network design. New deep neural network training methods may also be presented.

讲者介绍:Zhouchen Lin is a professor with the Key Laboratory of Machine Perception, School of Electronics Engineering and Computer Science, Peking University. His research interests include computer vision, image processing, machine learning, pattern recognition, and numerical optimization. He is an area chair of CVPR 2014/2016/2019, ICCV 2015, NIPS 2015/2018 and AAAI 2019, and a senior program committee member of AAAI 2016/2017/2018 and IJCAI 2016/2018. He is an associate editor of the IEEE Transactions on Pattern Analysis and Machine Intelligence and the International Journal of Computer Vision. He is a Fellow of IAPR and IEEE.




特邀讲者

James Kwok

香港科技大学教授

IEEE Fellow, IEEE TNNLS编委


讲座题目:Optimization in Machine Learning: From One Objective to Infinite Objectives

摘要:Optimization is at the core of machine learning. In this talk, I will consider a variety of machine learning scenarios and the corresponding optimization solvers.  Starting with the basic gradient descent method for optimizing one single objective, I will move on to more and more complicated problems with different numbers and types of regularizers, and to stochastic algorithms using control variates for variance reduction. Finally, I will discuss the expected risk minimization problem in learning with random data perturbations. The distribution of possible perturbations essentially makes the training data set, and consequently the number of terms to optimize, infinite.

讲者介绍:Prof. Kwok is a Professor in the Department of Computer Science and Engineering, Hong Kong University of Science and Technology. He received his B.Sc. degree in Electrical and Electronic Engineering from the University of Hong Kong and his Ph.D. degree in computer science from the Hong Kong University of Science and Technology. Prof. Kwok served/is serving as an Associate Editor for the IEEE Transactions on Neural Networks and Learning Systems, the Neurocomputing journal, and the International Journal of Data Science and Analytics. He has also served as Program Co-chair of a number of international conferences, and as Area Chairs in major machine learning / AI conferences including NIPS, ICML, IJCAI, and AAAI. He is an IEEE Fellow.



特邀讲者

彭宇新

北京大学教授

863首席科学家


讲座题目:跨媒体智能:表征、理解与应用

摘要:随着多媒体和网络技术的迅猛发展,海量的图像、视频、文本等多媒体数据快速增长,多源异构且相互关联,使得数据表征、信息检索、知识发现和语义推理面临跨模态、跨数据源等挑战。如何借鉴人脑的跨媒体特性,跨越视觉、听觉、语言等不同的感官信息认知外部世界,对于提高计算机的感知认知能力和智能水平至关重要。本报告将对“人工智能2.0”中跨媒体智能的任务和目标进行介绍,然后重点介绍我们的相关研究进展。

讲者介绍:彭宇新,北京大学二级教授,博士生导师,中国人工智能产业创新联盟专家委员会主任委员,中国工程院“人工智能2.0”规划专家委员会专家,中国图象图形学学会理事兼副秘书长。主要研究方向是:跨媒体分析与推理、图像视频理解与检索、计算机视觉。2006年入选教育部新世纪优秀人才支持计划和北京市科技新星计划,2016年获北京市科学技术奖一等奖(排名第一)。主持了863、国家自然科学基金等20多个项目,发表论文100多篇,包括IEEE TransCCF A类论文50多篇。7次参加由美国国家标准技术局NIST举办的国际评测TRECVID视频样例搜索比赛,均获第一名。主持研发的多模态互联网内容分析与识别系统已经应用于公安部、工信部、国家广播电视总局等单位。IJCAI 2015AAAI 2016/2019ICIP 2017ICPR 2018ICME 2019等领域主席或高级程序委员。



特邀讲者

赫然

中国科学院自动化研究所 研究员

中国科学院大学岗位教授、国家优青


讲座题目:生成对抗网络及其应用研究

摘要:生成对抗网络(GAN, Generative Adversarial Networks)是深度学习的主要组成部分,是机器学习和计算机视觉等领域的重要研究内容之一。它起源于图像数据的生成,进而被广泛应用于人工智能的各个领域。人脸图像生成是对抗生成网络的主要应用之一,通过对图像内容进行重组,进而创造出在内容或表观上完全不同的图像。通过图像生成,不但可以提高原有图像的质量,同时还可以为模式分析方法提供大量训练数据。本课程将在对抗生成网络理论和方法介绍的基础上,结合注意机制等视觉认知机理,从无条件生成和条件生成两个实际应用方面,介绍我们近期开展的图像生成方法和应用;具体报告内容包括视觉认知机制、生成对抗网络、身份保持损失、全光图像采集和人脸图像旋转、人脸超分、表情生成等

讲者介绍:赫然,博士,中国科学院自动化研究所模式识别国家重点实验室研究员,中国科学院脑科学与智能技术卓越创新中心年轻骨干,中国科学院大学岗位教授。2009年于中国科学院自动化研究所获模式识别与智能系统工学博士。2010年至今,在模式识别国家重点实验室任助理研究员、副研究员、研究员;担任中国科学院大学人工智能技术学院模式识别教研室副主任,中国图象图形学学会视觉大数据专委会秘书长。从事模式识别应用基础理论研究,获得中国科学院卢嘉锡青年人才奖、北京青年优秀科技论文一等奖、吴文俊人工智能科学技术创新奖等,并应用到生物特征识别和智能视频监控。近期主要聚焦在生成式深度学习模型中的瓶颈问题,展开图像模式分析基础理论研究。出版信息理论学习专著1部;在IEEE TPAMITIPTIFSTNNLSTKDETBDTSMCS等权威国际期刊以及NIPSICCVCVPRIJCAIAAAISIGIRACM MM等权威国际会议发表论文130篇,研究工作获得国家自然科学基金优秀青年科学基金资助。




特邀讲者

纪荣嵘

厦门大学教授

国家优青,中组部万人计划青年拔尖人才

福建省“闽江学者”特聘教授


讲座题目:紧致化计算机视觉分析系统

摘要:报告主要探索视觉大数据搜索识别系统中的紧凑性问题,将覆盖纪荣嵘教授研究组近两年来在面向视觉终端应用的视觉特征紧凑表示和深度网络压缩中所做的一些工作与成果。在视觉特征紧凑表示方面,将介绍通过引入大规模无监督排序信息,学习排序敏感的哈希码,以保持原始高维特征空间中的检索信息。在深度网络压缩方面,将介绍面向特定任务(人脸和视觉场景解析)的深度网络级联压缩模型(串行低秩矩阵分解技术)与加速模型(结构化稀疏约束剪枝技术)。报告并将介绍上述研究在腾讯\滴滴\华为等视觉产品中的实际应用。

讲者介绍:纪荣嵘,福建省“闽江学者”特聘教授,厦门大学教授、博士生导师、2014年获国家优青,2016年获国家万人计划青年拔尖。主要研究方向为计算机视觉与多媒体技术。相关工作发表于SCI源期刊论文90余篇,包括ACM汇刊与IEEE汇刊近50篇、CCF A类国际会议长文40余篇。论文的Google Scholar引用次数5000余次,SCI引用1600余次,H-因子为3312篇论文入选ESI高被引/热点论文;近年来主持国家自然科学基金联合重点项目、军委科技委战略前沿专项,国家重点研发计划课题/子课题等;获2007年微软学者奖、2011ACM Multimedia最佳论文奖、2012年哈工大优秀博士论文、2015年省自然科学二等奖、2016年教育部技术发明一等奖。担任多个国际期刊的副编辑,VALSE2017大会主席、ACM/IEEE高级会员。



特邀讲者

鲁继文

清华大学副教授

国家优青,IEEE TCSVT/TBIOM编委


讲座题目:深度强化学习与视觉内容理解

摘要:深度强化学习是人工智能领域的研究热点,被认为是人类迈向通用人工智能的重要技术。深度强化学习通过将深度学习的感知能力与强化学习的决策能力相结合,以端对端的方式实现从原始输入到输出的感知与决策,在许多视觉内容理解任务中取得了重要突破。报告首先简述深度强化学习的基本思想和回顾近年来的研究进展,然后介绍清华大学自动化系智能视觉实验室近年来所提出的面向视觉内容理解的多个深度强化学习方法,主要包括多智能体深度强化学习、渐进式深度强化学习、上下文感知深度强化学习、图模型深度强化学习等,以及它们在人脸检测与识别、物体检测与跟踪、图像识别与检索、行为预测与识别等多个视觉内容理解任务中的应用。

讲者介绍:鲁继文,清华大学自动化系副教授、博士生导师,国家优秀青年基金获得者。主要研究方向为计算机视觉、模式识别和机器学习,发表IEEE Transactions系列论文60余篇(其中PAMI论文11篇),ICCVCVPRECCVNIPS论文40余篇,谷歌学术引用6000余次,谷歌H指数为40,获IEEE 国际会议最佳论文奖2次。作为负责人主持国家重点研发计划课题1项、国家自然科学基金项目2项。曾/现任IEEE Transactions on Circuits and Systems for Video TechnologyIEEE Transactions on Biometrics, Behavior, and Identity SciencePattern Recognition7个国际期刊编委,中国工程院院刊Engineering青年通讯专家,IEEE信号处理学会多媒体信号处理技术委员会委员,IEEE信号处理学会信息取证与安全技术委员会委员,IEEE电路与系统学会多媒体系统与应用技术委员会委员。




特邀讲者

林倞

中山大学教授,国家优青

中组部万人计划青年拔尖人才

IET Fellow, IEEE THMS编委


讲座题目:融合知识表达学习的视觉推理模型和应用

摘要:为满足机器人、无人驾驶汽车等高度智能化应用的需求,视觉任务从简单的分类检测发展到高层逻辑信息理解,如场景物体视觉关系以及机器人高层任务规划等。理解高层逻辑信息不仅仅依赖于物体的外观信息,往往还需要高层常识知识推理,人类视觉之所以能够比较透彻地理解其看到的视觉场景,是因为了解很多领域关联的先验常识知识,并能够根据这些知识进行学习和推理。为此,本人课题组提出了融合知识表达学习的视觉推理模型的研究思路,并应用于解决这些问题。本报告首先介绍在新的应用需求下衍生的新的研究任务和挑战,然后分享本人课题组在这方面做得一些最新的进展,最后分享本人对该领域未来发展的一些看法。

讲者介绍:林倞,中山大学教授,国家万人计划青年拔尖人才,国家优秀青年基金获得者,教育部超算工程软件工程研究中心副主任, IET Fellow。先后在美国加州大学洛杉矶分校、香港中文大学等机构工作或访问研究。长期从事机器感知与认知、大数据分析等相关研究及技术成果转换;负责商汤科技的视频大数据分析、手机拍照成像、自主机器人等核心业务线。迄今在顶级国际学术期刊与会议上发表论文100余篇,包括在PAMI/IJCV期刊发表论文15篇,4篇论文成为ESI高被引论文。获得NPAR 2010 最佳论文奖, 2012 Google Faculty Award, 2017年度 World’s FIRST 10K Best Paper Diamond Award by IEEE ICME, 2014 Hong Kong Scholars Award,获得2016 英特尔杯全国并行应用挑战赛金奖,2018 Pattern Recognition年度最佳论文奖,吴文俊人工智能自然科学二等奖(第一完成人)。担任CVPRICMR等知名学术会议的领域主席,IEEE Trans. Human-Machine Systems等著名学术期刊的编委(AE)



讲习班学术主任

刘成林

中国科学院自动化研究所 研究员

模式识别国家重点实验室主任

国家杰青、IEEE Fellow, IAPR Fellow


刘成林,中国科学院自动化研究所副所长,模式识别国家重点实验室主任,研究员、博士生导师。2005年入选中国科学院“百人计划”。2008年获得国家杰出青年科学基金资助。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国际期刊和国际会议上发表论文200余篇,合著英文专著一本。现任国际刊物Pattern Recognition的副主编, IVCIJDARCognitive Computation等国际期刊编委,国内期刊《自动化学报》的副主编。中国人工智能学会常务理事、模式识别专委会主任,中国自动化学会理事、模式识别与机器智能专委会主任,美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)


讲习班学术主任

金连文

华南理工大学 教授

教育部新世纪优秀人才

广东省“珠江学者”特聘教授


金连文,华南理工大学二级教授,博士生导师,主要研究领域为深度学习、文字识别、计算机视觉、图像处理、人工智能系统等。在IEEE TPAMITNNLSIEEETCYBIEEE TMMIEEE TIIIEEE TCSVTPattern RecognitionInformation SciencePattern Recognition LetterNeurocomputingSCI国际期刊上发表学术论文50余篇(其中ESI高引论文4篇),ICDARICPRICFHRICIPICASSPICMECVPRIJCAIAAAI等主流国际会议论文100余篇,Google Scholar H-index 32, i10-index 106获发明专利授权39项,先后主持国家及省部级以上项目20余项,作为主要成员荣获省部级科技奖励5次。


讲习班学术主任

谭明奎

华南理工大学 教授、博导、

广东省“珠江人才团队”核心成员


谭明奎,现担任华南理工大学软件学院教授、博导,并担任华南理工大学计算中心主任,广东省“珠江人才团队”核心成员。谭明奎教授分别在2006年和2009年于湖南大学获得环境工程学士和模式识别与智能系统硕士学位,在2014年于南洋理工大学获得计算机科学博士学位,并在2016年于澳大利亚阿德莱德大学完成计算机视觉博士后研究。目前主要研究方向为机器学习、数据挖掘和机器视觉,具体包括超高维大数据的特征学习、大规模数据深度挖掘、深度学习以及高维复杂结构数据分析等,已在相关方向发表近50篇高水平学术论文。


讲习班日程初步安排

20181121

800 – 850

讲习班报到、注册

850 – 900

讲习班开幕式

900  – 1030

Optimization and Deep Neural Networks

报告人:林宙辰教授

1040 – 1210

紧致化计算机视觉分析系统

报告人:纪荣嵘教授

1210 – 1400

午餐、午休

1400 – 1530

跨媒体智能:表征、理解与应用

报告人:彭宇新教授

1540 – 1710

深度强化学习与视觉内容理解

报告人: 鲁继文教授

20181122

900  – 1030

Optimization in Machine Learning: From One Objective to Infinite Objectives

报告人: Professor James Kwok

1040 – 1210

融合知识表达学习的视觉推理模型和应用

报告人: 林倞教授

1210 – 1400

午餐、午休

1400 – 1540

从图像到文本:图像自然语言描述的方法、机理与数据

报告人:张长水教授

1540 – 1710

生成对抗网络及其应用研究

报告人:郝然研究员

1710 – 1720

闭幕式,讲习班结束



报名及注册

  1. 本次讲习班限报210,按缴费先后顺序录取,先到先得,报满为止。

  2. 注册费标准:20181111日前注册并缴费:1600/人;20181112日后注册及缴费:2000/人。

  3. 注册费包括讲课资料和2天会议期间午餐,其它食宿、交通自理。

  4. 报名方式: https://www.jiandaoyun.com/f/5bc4a1563ec62b0566ff2aef


联系方式

联系人:

谭老师,Tel: 18680553985Email: tanmingkui@gmail.com

金老师:Tel: 13802994591Email: eelwjin@scut.edu.cn




TOP