由中国图象图形学学会(CSIG)主办,中国图象图形学学会机器视觉专业委员会、湘潭大学信息工程学院、湘潭大学智能计算与信息处理教育部重点实验室联合承办的机器视觉与人工智能高端论坛(会议编号:CSIG-2018-TC04-04)于2018年6月23日在湘潭大学土木院A217报告厅成功举办。本次活动得到湘潭大学韶风名家论坛的资助,也得到了学院领导的大力支持,这确保了活动的成功。
本次论坛邀请了北京大学林宙辰教授、复旦大学张军平教授、中国科学院信息工程研究所操晓春研究员、北京交通大学于剑教授和东南大学耿新教授作了特邀报告。论坛由湘潭大学欧阳建权教授、张东波教授和肖芬教授主持。来自湖南大学、湖南师范大学、湖北工业大学、湖南工程学院、湖南商学院、湘潭市高新产业局等单位的150多人参加了本次论坛,聆听了相关领域的前沿技术和发展动态介绍,并与专家进行了现场交流与讨论。
林宙辰教授作了题为“Learning Partial Differential Equations for Computer Vision and Image Processing ”的特邀报告。偏微分方程(PDE)已经被广泛应用于求解计算机视觉和图像处理的很多问题,但是设计PDE系统通常需要很高的数学技能和对问题的深入了解。林宙辰教授介绍了如何通过从数据学习的途径为计算机视觉和图像处理中出现的各种问题方便地设计偏微分方程,并展示了用统一的框架解决多个计算机视觉和图像处理问题的效果,最后揭示了和深度学习的关系。
张军平教授作了题为“深度学习发展介绍、案例分析及隐忧”的特邀报告。张军平教授在报告中围绕深度学习技术展开了讨论,简要综述了近年来深度学习的发展脉络,并以案例分析的形式,介绍了多尺度、多模态深度学习的商品和和美学图像检索,基于生成式对抗网络的步态识别等方面的应用。最后,报告结合张军平教授的思考,讨论了深度学习及人工智能发展中存在的问题和不足,以及未来的展望。
操晓春教授作了题为“网络空间视觉内容理解”的特邀报告。操晓春教授从网络空间视觉内容入手,讨论了互联网络的发展和普及在促进社会繁荣的同时所带来的安全风险。在反动、虚假、不良的媒体内容充斥于网络空间背景下,出现的“识别难、时效差、耗费多”三大现实挑战。操晓春教授介绍了团队提出的“兼视则明、道法自然”的思想,探索了协同多源信息、建模自然统计特征和运用细粒度层次化的表述方法,及所建立的视觉不良内容协同检测与识别框架。
于剑教授作了题为“基于认知的机器学习公理化”的特邀报告。提出一套符合人类认知的机器学习理论,是当前一个亟待解决的问题。于剑教授在本次报告中试图在基本假设——归哪类,像哪类;像哪类,归哪类——的基础上提出一个统一的基于认知的机器学习公理化框架,该机器学习理论可以推演出归类方法的三条设计原则,并以统一的方式重新解释了数据降维、密度估计、回归、聚类和分类等问题,符合日常生活中的认知原则。
耿新教授作了题为“面向标记分布学习的标记增强”的特邀报告。耿新教授在报告中介绍了标记分布学习与标记增强的概念,探讨了标记分布信息不完整时,如何通过先验知识或者机器学习方法生成完整的标记分布,这一过程称为标记增强。标记分布学习方法配合标记增强方法能够有效匹配大多数有监督学习问题,报告中给出了标记分布学习方法配合标记增强方法的应用示例。
本次论坛持续了四个多小时,内容精彩,气氛活跃。讲座现场,讲者与现场听众亲切互动和交流,并对师生关注的话题进行一一解答。本次论坛涉及的都是国际前沿领域中最新的研究成果,为师生们展现了国内外机器视觉与人工智能领域发展的最新动态,为相关领域的研究人员提供了一次全面、深入的学习机会,推动了机器视觉与人工智能的发展与相关技术的普及,最后论坛报告会在热烈的掌声中圆满结束。