CCF@U：北大封举富、苏州大学李凡长、山东大学聂秀山走进北京邮电大学
封教授为大家带来的是题为指纹识与深度学习的精彩报告。报告首先从传统的指纹识别技术讲起，然后介绍了对传统技术的不断改善，到目前封老师提出的最新的识别技术——FingerNet。最后封老师点明了未来指纹识别需要克服的困难以及研究方向。封老师以生动风趣的方式为我们介绍了整个指纹识别的过程，同时，并对利用深度学习解决相关应用问题提出了非常好的建议。
封举富教授作关于“指纹识别与深度学习”报告
李凡长教授在本次报告中主要介绍了李群机器学习。李老师为我们介绍的非常详细，从李群机器学习的提出背景，机器学习5原理、大数据分析5原理，到目前李群机器学习的研究成果，再到李群机器学习未来的研究方向，高屋建瓴。
李凡长教授作“李群机器学习研究新进展”报告
聂秀山教授报告主题是可视媒体的鲁棒性表示和哈希索引。聂老师采用了一种新的数据表示方法，将样本的特征转换成哈希序列，一方面可以提升检索效率，另一方面可以大大节省存储空间。报告分别介绍了哈希索引在监督学习和无监督学习中的应用。
聂秀山教授作“可视媒体的鲁棒表示和哈希索引”报告
最后，报告会在大家热烈的掌声中圆满结束，会后三位专家与部分师生合影留念。
专家同部分听众合影留念
听众感想：
刘小丽 自动化院控制科学与工程 2018级博士研究生
首先，非常感谢北京大学封举富教授、苏州大学李凡长教授以及山东财经大学聂秀山教授的精彩报告。听了三位教授的精彩报告，我受益匪浅。下面将分别针对上午三位教授的讲座内容，简单说一下个人的听后感。
对于封举富教授关于题为“指纹识别与深度学习”的报告：封老师从指纹识别研究的难点、研究思路、深度网络的设计、移动端方面的应用等方面进行深入介绍，使我对指纹识别研究有了深入的认识，对指纹识别研究进展有了初步的认识。其中，封老师对FingerNet网络的设计，采用模块化的理念进行网络的设计，从不同层面对指纹特征进行建模，一定程度上解决深度学习缺乏可解释性的问题，且取得了不错的效果。其研究思路对于我开展动作识别方面的工作具有启发性的意义。
对于李凡长教授关于题为“李群机器学习研究新进展”的报告：在李老师进行报告之前，我对 “李群机器学习”这个词还相对陌生，不懂李群机器学习是个什么样的算法，它有什么作用，可以怎么用？带着这一堆疑问去听李老师的报告。李老师从研究的现状、科学问题、研究方法、机器学习等方面，将李群机器学习算法由浅到深地介绍：从大数据和人工智能引出“大数据时代”和“机器学习时代”，进而引出离散与连续问题，从而进入今天的主题“李群机器学习新进展”的演讲。在报告中，李老师对李群机器学习的发展历程进行了详细的介绍。随后，李老师从李群的定义出发，给我们讲述了很多不同的李群机器学习算法。最后李老师还对李群机器学习的国内外研究情况、李群机器学习的一些应用等进行了简单的介绍。听完整个报告之后，感觉李群机器学习很抽象，更像是一种思想，可以指引我们开展研究。虽然心中的疑惑还没有完全解除，不过，李老师报告非常好，还是自己的问题。听完报告之后，对李群机器学习有了初步的了解。再次感谢李老师的精彩报告。
对于聂秀山教授关于题为“可视媒体的鲁棒表示和哈希索引”的报告：聂老师从鲁棒特征表示、哈希两大方面进行展开，向我们分享了可视媒体方面的一些研究工作，使我对视频检索的一些研究工作有了初步的认识。
综上所述，听了三位教授的报告之后，使我受到不同程度的启发。再次感谢三位教授的精彩报告。
陶雯轩 自动化学院控制科学与工程 2018级硕士研究生
今天有幸听了中国计算机学会三位专家在我校做的一个讲座。讲座内容分三个不同的方向，分别是指纹识别与深度学习、李群机器学习与可视媒体的鲁棒性表示和哈希索引。
第一个报告是由北京大学信息科学技术学院的封举富教授做的关于指纹识别与深度学习的报告。封教授的报告给了自己一个很好的启发，若是对结构中某些节点进行控制或者索性将系统分割为易理解的几个模块，应该可以增强模型的可解释性。
第二个报告是由苏州大学的李凡长教授做的关于李群机器学习研究前沿报告。之前对李群机器学习没有做过了解，所以李教授今天讲的东西对于我来说是全新的一些概念，在人工智能开始呼吁将认知引入计算模型的今天，李群机器学习可能会给人工智能的发展带来不一样的变化。不过，对于李群机器学习，自己仍知之甚少，这块可能需要再找相关书籍和论文进行进一步的了解。
第三个报告是由山东财经大学的聂秀山教授做的关于可视媒体的鲁棒表示和哈希索引的报告。聂教授系统的给我们介绍了相关的概念，并介绍了其实验室最新的实验成果以及进展。自己对哈希和树的概念仅停留在数据结构上，这也算是第一次听相关的深入前沿报告。对日后的学习也有一定的帮助。
王赛涵 自动化学院控制科学与工程 2018级硕士研究生
今天有幸参加了由中国计算机协会举办的CCF-AI走进高校第665场。其中封举富教授对指纹识别与深度学习，李凡长教授对李群机器学习研究新进展以及聂秀山教授对可视媒体的鲁棒性表示和哈希索引的精彩报告令我印象深刻。
三位教授对于其研究内容的新的思路、方法、理念，都使我对机器学习有了更深的理解，看到了教授们达到的高度与深度，更让我意识到自己距离和差距，今后要多参与类似讲座，学习专家们的新思想和新理念。
党永浩 自动化院控制科学与工程 2018级硕士研究生
11月17日有幸参加了CCF走进北京邮电大学的学术交流活动，听到了封举富教授、李凡长教授和聂秀山教授的精彩报告。通过三位专家的报告，我学习到了很多。
封举富教授以生动风趣的方式为我们介绍了整个指纹识别的过程。通过封老师的报告以及会后封老师的耐心解答，我心中对于指纹识别的疑惑得到了解答。另外，我意识到在实验过程中除了追求结果的准确性之外，还应当加强模型、算法的可解释性。
李凡长教授在本次报告中主要介绍了李群机器学习，高屋建瓴。通过李老师的报告，我初次了解到了李群机器学习。李群能够与李代数相互转化，从而可以定性、定量的处理问题。另外，李群学习算法之间都是互通的，可移植性强。
聂秀山教授提出了一种新的数据表示方法，将样本的特征转换成哈希序列，一方面可以提升检索效率，另一方面可以大大节省存储空间。报告分别介绍了哈希索引在监督学习和无监督学习中的应用，另外详细介绍了哈希融合，即如何去确定一个最好的哈希阵列来表示我们的数据。聂老师的这种处理数据特征的编码方式也是对我们的一种启发。
总之，从三位专家的报告中我受到颇多启发，对今后工作的开展有很大帮助。最后，衷心感谢三位教授为我们带来的精彩报告。
丁鹏翔 自动化学院控制科学与工程 2019级硕士研究生
听完后主要有五点启发。
封教授的讲座：更多地给予了如何改善传统问题----将传统的部分全部转化为预测网络以及如何将传统问题转到端到端问题的一种启发式思考，我觉得这一点对于我目前比较重要，尤其是针对如何改网络结构而言；以及学术界和工业界对待优化方面的区别。
第一：我们现有的所有传统方法可以做的任务都可以通过将其中的手工提取标注的部分改为一个预测网络，这是我们在对一个问题进行优化的一个方式。
第二：在工业界，对模型的改进和提高往往是增大数据量，因为工业界缺乏耐心同时增大巨大的数据量的确对模型的泛化能力有更好的优化，同时也意味着我们在学校中做的一些项目往往是完全不能商用的，更需要从方法的本质去思考问题。
李教授的讲座：更多的是高屋建瓴地谈机器学习的归一性，以及做到一个群体中的特异性的重要性。讲了一种新框架，虽然现在没法完全理解，但是还是很有借鉴意义。
第三：所有的机器学习方法都可以归结于李群里面，从最简单的拓扑空间去考虑定性问题，再转化到李代数上考虑定性问题，这种定性加定量的方法更有一般的可用性和普适性。
第四：所有机器学习的方法，都应该首先考虑一致性；第二要考虑对称性，即解决问题时考虑二者之间的共同作用，尤其是对称函数在高维度量中是有实际应用的；第三是泛化性，即考虑在测试集上的泛化效果，或者说一个问题在另一个不同问题上的应用效果；第四是可度量性，李教授一直强调李群相当于是在一个群体里面具有特异性，因此度量的方法就是定量去分析一个复杂问题的关键；最后是小样本，完全以数据为驱动的技术都会存在一种数据依赖性，所以机器学习的方法如果可以具有小样本的数据依赖的话，对数据的要求降低，也会更有合理的泛化的能力。
聂教授的讲座：新的方法角度不多，但是可以启发我们也许利用传统方法和深度学习的结合会有更好的效果。
第五：可以适当考虑将传统的方法如哈希函数和深度学习结合，尤其是一些具有严谨科学逻辑推理的方法可以有效地降低维度，在数据预处理(检索)和后期的在线应用当中可以尝试。
何树浩 自动化学院机械工程 2018级硕士研究生
我的本科毕业设计做的是指纹图像识别的预处理研究，但是我所采用的方法是传统的图像处理过程，所以处理效果并不好。在听了封举富教授的报告之后，了解到可以通过设计深度卷积神经网络的结构设计，并在结合指纹识别的领域知识的情况下，通过分模块训练，将图像预处理的归一化、分割、图像纹理增强、二值化以及细化等多个过程可以做的更好，可以进一步解决图像提取质量差等目前的难题。而且通过老师的讲解，了解到可以通过矩阵式微孔阵列（MAPIS）技术实现高分辨率光学指纹采集这一技术，也拓展了自己的知识面。了解到在指纹防伪这方面还没有较好的方法与技术，这仍需要大家的努力和研究。
在听了报告的第二场，李凡长教授的李群机器学习研究新进展后，因为对李群机器学习这个概念并不是很了解，而且对于李群（Lie group）这个数学术语没有太多的了解，所以没有十分理解，但是通过老师的科普，发现这是个既十分困难又十分有趣的问题，希望自己以后可以更多的学习李群机器学习的相关内容。
最后一场是可视媒体的表征和检索，印象最深的就是鲁棒表示和哈希索引，自己也了解了一下关于哈希的有关内容，哈希做为一种压缩映射，在计算机加密、区块链领域应用广泛，前几周听过关于一个区块链的报告，那是第一次听见哈希这个函数，这次又提到了，感觉很亲切，希望有机会可以多多学习相关知识，广泛的听取多位专家的报告，受益匪浅，也对自己以后的研究方向，有许多帮助。
讲者简介
封举富
封举富，北京大学信息科学技术学院智能科学系教授，博士生导师。主要研究方向为模式识别与机器学习、生物特征识别及其应用。在国内外期刊和国际会议上发表论文100多篇。1993年，获第一届亚洲计算机视觉国际会议优秀论文奖。2000年获中国高校科技进步二等奖。2012年获公安部科学技术二等奖。
李凡长
李凡长，教授（二级），博士生导师，苏州大学东吴学者，苏州大学计算机科学与技术学院院长，百度人工智能协同创新院院长，江苏省网络空间安全工程实验室主任，苏州工业大数据研究所所长，苏州大学机器学习与类脑计算国际合作实验室主任，北京交通大学兼职教授、博导，国家自然科学基金重点项目负责人，科学中国人2015年年度人物。曾获省级科技奖二等奖2项，IEEE CS GRC Pioneer Award 1项。李凡长教授是动态模糊逻辑﹙Dynamic Fuzzy Logic，DFL﹚、李群机器学习﹙Lie Group Machine learning，LML﹚和多维度协同教育方法（Theory and method of multidimensional cooperative education）的主要提出者。
尹义龙
尹义龙，山东大学软件学院教授、博士生导师、机器学习与数据挖掘学科带头人。主持国家自然科学基金重点项目1项（综合验收获得优秀）、面上项目3项、青年项目1项，主持省部级科研项目11项。在TKDE、TIFS、TMM、PR、TCSVT、JBHI等国际期刊和CVPR、IPMI、MM、SIGIR、MICCAI、CIKM、ICASSP等国际会议发表论文80余篇。所发表论文迄今累计谷歌学术他引1900多次、单篇最高他引175次，H-index为23。获国家发明专利授权10项，获软件著作权2项。2011年入选教育部新世纪优秀人才支持计划，2013年获得山东省自然科学杰出青年基金资助，2014年获得山东省科技进步二等奖1项（第一完成人）。现担任中国计算机学会人工智能与模式识别专委会常委、副秘书长，中国人工智能学会机器学习专委会常委、副秘书长，山东省人工智能学会理事长，山东省大数据研究会副会长等学术兼职。多次承办国际、全国性学术会议。先后近60多次担任国际、国内学术会议的大会主席、程序委员会主席、出版主席和程序委员会委员。2008年、2015年连续获得“山东大学优秀研究生导师”称号（每7年评选一次）。
“CCF走进高校”是CCF组织的系列演讲公益活动，旨在帮助在校大学生提升专业能力，指导他们做好人生和职业规划。目前已有众多资深的来自学术界和企业界的计算机学术专家和管理专家累计走入600余所高校。申请承办CCF走进高校活动，或者申请担任活动讲者，请联系membership@ccf.org.cn。
中国计算机学会
长按识别二维码关注我们
CCF推荐
【精品文章】
点击“阅读原文”，加入CCF。
相关内容
微信扫码咨询专知VIP会员