CSIG图像图形中国行-华中科技大学

2022年9月25日，“CSIG图像图形中国行”来到了华中科技大学，本次活动以线上会议和直播的形式展开，由中国图象图形学学会主办，CSIG机器视觉专委会、CSIG图像视频通信专委会和华中科技大学电信学院联合承办。华中科技大学电信学院院长邱才明教授、CSIG机器视觉专委会主任林宙辰教授以及承办方执行主席、CSIG图像视频通信专委会主任刘文予教授分别致辞。深圳大学王熙照教授、北京理工大学胡斌教授、北京航空航天大学段海滨教授、大连理工大学李培华教授以及北京大学林宙辰教授受邀作报告，本次会议得到了广泛关注，线上参会累计超过3000人次。

邱才明院长致辞

林宙辰教授致辞

刘文予教授致辞

王熙照教授作报告

来自深圳大学的王熙照教授对“深度学习可解释性”的问题进行了报告。报告指出深度学习在众多领域取得突破性成功，然而其成功的原因大部分还处于猜测阶段，远没有纳入到一个严格理论体系中或逻辑推理框架下。王教授表示缺乏可解释性是制约深度学习发展的瓶颈。机器学习可解释性可从三个方面分类：可解释性方法的作用时间、可解释性方法与模型的匹配关系、可解释性方法的作用范围；同时也可根据不同层次对可解释性分析进行分类，包括深度学习过程的可解释性、深度学习表示的可解释性以及生成式深度学习系统的自我解释。另外，王教授还从数据-模型复杂度匹配、局部泛化、数据偏置、决策度量过程等方面介绍了可解释性的几个新视角；并从解释方法的度量标准、领域知识融入到解释过程、相似性辨识与域适应困难和解释的理论体系建立等方面阐述了几个尚存的挑战性问题。

胡斌教授作报告

来自北京理工大学的胡斌教授为我们带来了题为“眼睛生理、行为信息感知与精神障碍诊疗”的报告。胡斌教授向我们大家介绍了面向孤独症精神障碍和抑郁症的研究背景、问题以及挑战，通过研究瞳孔直径与情感的关系提出了创新的“情感带宽”概念，研发了首台基于瞳孔直径的高精度情感带宽心理状态测试仪；胡斌教授团队深耕眼睛与面部特征等生理特征的识别，研发多款可穿戴设备，实现对测试者的抑郁等精神障碍的评估。此外，胡斌教授团队探究了视网膜血管和精神障碍的关系，通过视网膜血管分割实现对抑郁、焦虑的评估。

段海滨教授作报告

来自北京航空航天大学的段海滨教授为我们介绍了“从鹰眼猛禽视觉到动物集群博弈”的研究进展，该类研究形成了一套从生物行为研究、算法仿生模拟到软硬件整合应用的完整系统。段教授首先讲解了鹰眼猛禽的视觉机理，提出基于仿鹰眼猛禽视觉的认知理论、方法和系统，在小目标检测，大范围场景监控等多个领域取得优异的性能。接着段教授为我们分析了鹰群、狼群等多种典型的动物博弈行为，并总结出群体共融性、对抗演化性、群智凸显性、强概率性四大特征，为仿生集群研究打下了坚实的理论基础。从典型动物博弈行为中得到启发，推动了无人机集群对抗推演的几大关键技术的发展，包括智能感知、态势评估与目标意图识别等技术。最后，段教授为我们展望了仿生集群博弈技术的未来发展方向，例如研究面向电磁对抗实战需求的无人机集群仿生集群的博弈以及战略决策技术。

李培华教授作报告

来自大连理工大学的李培华教授进行了“基于概率表征学习的少样本识别”的报告。李教授从经典深度学习和人类学习模式的对比出发，引出少样本识别的任务，并从基于优化的方法和基于度量学习的方法对少样本学习（FSL）进行分类，其中基于度量的方法应用较多，主要基于相似度比较的思想。接下来，李教授介绍了他们的工作DeepBDC，其利用布朗距离协方差（Brownian distance covariance）构建特征函数并建立概率表示，同时DeepBDC被实例化为基于ProtoNet和Good-Embed两种形式、其在miniImageNet、tieredImageNet、CUB等多个数据集上均展现出强劲的性能。最后，李教授对分享进行总结，表示基于优化的方法依然有巨大潜力，利用概率分布基于度量的方法现在取得了非常好的性能，面向开集 （open-set）面向视频的少样本学习将成为很有价值的潜在方向，少样本学习也将进一步被应用到检测分割等更多下游任务中。

林宙辰教授作报告

来自北京大学的林宙辰教授进行了题为“Tensor Q-Rank: New Data Dependent Definition of Tensor Rank ”的报告。林宙辰教授介绍了tensor rank相关的基本概念、以及在压缩感知中的应用背景。考虑到现有方法的局限性，林宙辰教授团队提出了tensor Q-rank，并设计了通过最大化方差（Variance Maximization Tensor Q-Nuclear Norm）和流形优化（Manifold Optimization Tensor Q-Nuclear Norm）两种方法，根据数据的性质求解正交矩阵Q。林宙辰教授严谨地讲解了tensor Q-rank的推导流程，并将tensor Q-rank应用于低秩张量填充问题。基于真实和模拟数据的实验分析表明，在低采样率和平滑假设不成立的情况下，Q-rank优于其他的张量秩正则化方法。

会议合影

每个报告结束，参会的同学和老师都根据自己的兴趣和理解对专家的报告进行了积极的提问和讨论，各位报告专家都进行了详细的解答，讨论的问题多涉及到学科最前沿的观点，干货满满。“CSIG图像图形中国行”华中科技大学站取得了圆满成功。