【预告】CSIG交通视频专委会讲座将于9月28日举办

一、举办单位

主办单位：中国图象图形学学会

承办单位：CSIG交通视频专委会

二、会议安排

会议时间：2022年9月28日 星期三  19：00-20：00

直播地址：http://live.bilibili.com/25361838

三、会议议程

四、主讲嘉宾介绍

吴哲

报告主题: 不完整数据下的交通流预测方法和研究

摘    要: 随着城市化的快速发展，城市中的人口和机动车保有量越来越多，给城市交通管理带来了极大的挑战。交通流预测可以为交通管理者提供有力的交通决策依据，从而进一步的避免或缓解交通拥堵状况。准确的交通流预测需要基于大规模交通流数据进行准确的动态关系分析，然而长时期数据采集中难以避免的各种问题导致交通流数据缺失问题明显，给交通关系分析带来了极大的挑战。针对这个问题，需要进行鲁棒的路网关系分析，实现有效的交通流预测。本报告介绍不完整数据下的交通流预测方法和研究，包括无监督交通流数据重建下的交通流预测模型和层次化交通流关系分析方法。

个人简介：吴哲，鹏城实验室助理研究员。2020年毕业于中国科学院大学。主要研究方向包括交通流视觉感知和规律分析，在CVPR、ECCV、ICCV、TCSVT、TIP、TITS等会议和期刊上发表论文十余篇，Google学术总引用数达1000余次。

李鑫

报告主题: 基于自监督和无监督目标跟踪技术研究

摘    要: 伴随着深度学习理论的发展，深度跟踪算法取得很大进展，跟踪性能得到明显提升，然而基于深度学习框架的跟踪算法对于训练样本的数量和质量也有着越来越高的要求。实际应用中特定场景和类别的训练样本往往具有稀缺性，并且训练样本质量难以保障。这些问题渐渐成为目标跟踪技术在实际应用中的挑战性问题。针对这些问题，亟需探究不依赖人工标注的深度跟踪模型训练方法，实现在样本稀缺条件下的有效训练，增强落地能力。本报告将介绍基于自监督和无监督框架的目标跟踪技术相关进展。具体内容包括：1）通过使用与跟踪目标变化相关的数据增广方法，生成能够模拟目标在测试视频中各种变化的训练数据，从而实现跟踪算法在样本稀缺条件下的有效训练；2）提出一种基于前后向跟踪一致性的新型自监督跟踪框架，该算法能够同时对分类和回归分支进行有效训练。

个人简介： 李鑫，鹏城实验室助理研究员。2020年博士毕业于哈尔滨工业大学，2017至2018年美国加州大学美熙德分校，Ming-Hsuan Yang研究组访学。主要研究方向包括视觉目标跟踪与视觉表 征学习，在CVPR、ICCV、AAAI、TNNLS、TIP、TMM、TCSVT等高水平期刊会议发表论文20余篇，Google学术总引用数达1200余次。博士后期间，主持博士后面上和国青基项目。曾获深圳市计算机学会优秀博士学位论文、CVPR2018杰出审稿人荣誉。任AAAI 2023 高级程序委员，CVPR、ICCV、 NeurIPS、IJCV、TNNLS、TIP等顶级会议和期刊审稿人。

五、主持人介绍

蓝湘源 鹏城实验室副研究员

个人简介：蓝湘源，鹏城实验室副研究员，深圳市海外高层次人才。历任美国马里兰大学先进计算机技术研究所（UMIACS）访问学者、美国加州大学默塞德分校访问研究员、香港浸会大学研究助理教授。主要研究方向包括多模态视觉学习以及在智能视频监控等方面的应用。主持/参与多个科研项目，包括国家自然科学基金，HK RGC、HKBU Tier-1等项目。已发表论文50余篇，其中IEEE/ACM汇刊和CCF-A会议30余篇，包括多篇ESI高被引论文。近5年谷歌学术引用数2000余次，2020-2021年连续两年入选斯坦福大学发布的全球前2%顶尖科学家榜单。长期受邀担任人工智能领域知名期刊（TPAMI、TIP、TIFS、TNNLS、TMM、TEVC、TCYB等）审稿人以及顶级会议（CVPR、 ICCV、 ECCV、AAAI、IJCAI、ICML、NeurIPS、ACM MM、ICLR等）程序委员会委员。曾获得AAAI-18 Outstanding Programme Committee Member Award， NeurIPS2019 Top Reviewer等奖项。现为国际期刊Signal, Image and Video Processing、Frontiers in Signal Processing编委。

来源：CSIG交通视频专委会

中国图象图形学学会2022年度系列奖励推荐工作启动

中国图象图形学学会科普活动、素材征集通知

中国图象图形学学会高校志愿者招募

中国图象图形学学会关于组织开展科技成果鉴定的通知

2022年CSIG图像图形中国行承办方征集中