【17-21期VALSE Webinar活动】

 

报告嘉宾：申恒涛教授（电子科技大学）

                沈复民教授（电子科技大学）

报告时间：2017年9月13日（星期三）晚20:00（北京时间）

报告题目：Hashing: Theory and Its Application in Retrieval and Classification

主持人：  姬艳丽（电子科技大学)

报告摘要：

A summary of hashing researches will be introduced, and some algorithms used to solve retrieval and classification applications will be explained in detail. Recently, learning based hashing techniques have attracted broad research interests due to their ability to support efficient storage and retrieval for high-dimensional data such as images, videos, documents, etc. The major difficulty of learning to hash lies in handling the discrete constraints imposed on the pursued hash codes, which typically makes hash optimizations very challenging (NP-hard in general). The widely adopted relaxation scheme simplifies the optimization, however, tends to produce less effective codes. In this talk, we will present our recent work investigating how to directly learn binary codes via discrete optimization, namely discrete hashing. Discrete hashing has been shown to significantly boost the performance of hashing algorithms (e.g., Supervised Discrete Hashing, Discrete Proximal Linearized Minimization) in large-scale similarity search. We will also introduce our recent work on applying hashing techniques to boost and improve conventional tasks, such as linear classification, clustering, sketch based visual retrieval, recommendation systems and action recognition.

论文相关：

[1] Jingdong Wang, Ting Zhang, Jingkuan Song, NicuSebe, Heng Tao Shen*. "A Survey on Learning to Hash". IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 2017. (An early version "Hashing for similarity search: A survey" at arXiv:1408.2927).

[2] Mengqiu Hu, Yang Yang, Fumin Shen, Ning Xie, Heng Tao Shen. “Hashing with Angular Reconstructive Embeddings”. IEEE Transactions on Image Processing (TIP), 2017. 

[3] Litao Yu, Zi Huang, Fumin Shen, Jingkuan Song, Heng Tao Shen*, Xiaofang Zhou. “Bilinear Optimized Product Quantization for Scalable Visual Content Analysis”. IEEE Transactions on Image Processing (TIP), 2017. 

[4] Xing Xu, Fumin Shen, Yang Yang, Heng Tao Shen, Xuelong Li. "Learning Discriminative Binary Codes for Large-scale Cross-modal Retrieval". IEEE Transactions on Image Processing (TIP), 2017.

[5] Fumin Shen, Chunhua Shen, Wei Liu, Heng Tao Shen, "Supervised Discrete Hashing", IEEE CVPR 2015.

[6] Fumin Shen, Xiang Zhou, Yang Yang, Jingkuan Song, Heng Tao Shen and Dacheng Tao, "A Fast Optimization Method for General Binary Code Learning", IEEE TIP 2016.

[7] Hanwang Zhang, Fumin Shen, Wei Liu, Xiangnan He, Huanbo Luan, Tat-Seng Chua, "Discrete Collaborative Filtering", ACM SIGIR 2016. (Best Paper Award Honorable Mention)

[8] Fumin Shen, Yadong Mu, Yang Yang, Wei Liu, Li Liu, Jingkuan Song, Heng Tao Shen, "Classification by Retrieval: Binarizing Data and Classifier", ACM SIGIR 2017. (Best Paper Award Honorable Mention)

[9] Li Liu, Fumin Shen, Yuming Shen, Xianglong Liu, Ling Shao, "Deep Sketch Hashing: Fast Free-hand Sketch-Based Image Retrieval", IEEE CVPR 2017.

报告人简介：

申恒涛教授是国家、四川省“千人计划”特聘专家，电子科技大学未来媒体研究中心主任、博导，澳大利亚昆士兰大学荣誉教授。他分别于2000年和2004年获得了新加坡国立大学计算机科学系一等荣誉学士和博士学位。随后加入昆士兰大学担任讲师，高级讲师，副教授，并于2011年底成为教授。2014年入选国家“千人计划”（创新），现已全职加入电子科技大学。他一直从事最前沿的计算机科学研究，研究方向包括多媒体搜索，计算机视觉，人工智能，和大数据管理。申恒涛教授引领了国际高维复杂大数据索引的研究，在国际上率先实现了实时的近重复视频内容搜索系统。累计发表了180多篇高水平同行评审论文，其中120多篇发表在CCF A类会议或期刊上，如ACM Multimedia，CVPR，ICCV，AAAI，IJCAI，SIGMOD，VLDB，ICDE，TOIS，TIP，TPAMI，TKDE，VLDB Journal等。曾多次被很多国际会议或者研讨会邀请做大会报告。杰出的学术成就使其获得2010年澳洲计算研究与教育学会授予的Chris Wallace Award，2012年澳大利亚研究理事会Future Fellowship，以及中华全国总工会颁发的2016年第六届“中国侨界贡献奖”。曾管理了14个科学研究项目，包括国家自然科学基金会的1个重点项目和澳大利亚研究理事会的8个项目。 申恒涛教授目前担任数据库领域重要期刊IEEE Transactions on Knowledge and Data Engineering编委，曾任IEEE Transactions on Multimedia和World Wide Web Journal 的客座编委。申恒涛教授担任过多个国际重要会议程序委员会联合主席，包括多媒体领域最高水平学术会议ACM Multimedia 2015；成功举办过数据库重要学术会议ICDE 2013和多媒体顶级会议ACM Multimedia 2015。也与世界许多知名大学建立了长期合作与互访关系，是昆士兰大学的荣誉教授（Honorary Professor），名古屋大学和新加坡国立大学的访问教授(Visiting Professor)。个人主页：http://bmc.uestc.edu.cn/~shenht/ 

沈复民，本科毕业于山东大学数学与应用数学专业，博士毕业于南京理工大学国家重点学科模式识别与智能系统专业，澳大利亚阿德莱德大学联合培养博士，目前任职电子科技大学“百人”教授。他的主要研究领域为大规模图像检索及分类等计算机视觉课题。近三年在相关领域共发表包括顶级会议及期刊CVPR、ICCV、TPAMI、TIP在内的论文八十余篇。他任职SCI期刊Elsevier Neurocomputing、Pattern Recognition Letters等期刊的客座编委，国际会议ACPR的专刊主席，MMM 2016、ICIMCS 2016的special session chair，ICCV、ACM Multimedia，ICMR, ICPR, CCBR等国际会议的PC member，并为多个国际一流期刊包括IEEE TIP, TKDE, TMM, TNNLS, TCSVT的审稿人。他获得ACM SIGIR 2016及ACM SIGIR 2017 Best Paper Award Honorable Mention, IEEE ICME'17最佳论文奖-铂金奖。个人主页：http://bmc.uestc.edu.cn/~fshen/ 

大媒体计算中心致力于计算机科学与技术学科在智能信息处理方向的学科建设，团队建设，人才培养，科学研究与技术应用。建设的目标是从事国际最前沿、最顶尖的学术研究与系统实现，同时培养杰出人才，承担国家重大科研项目和转化科研成果。中心将多媒体计算与传统学科、新兴学科、人文社科等领域形成交叉、渗透和融合，形成具有国际显示度的创新性研究成果。通过跨学科、跨领域、跨国家合作，构筑在多媒体计算及其相关领域包括计算机视觉、人工智能、大数据等的创新顶尖人才高地，努力建成国家高水平科技智库，冲击建设国际一流科研基地，并引领多媒体计算领域在国际上的未来发展方向。实现“产学研”一体化的资源整合，面向国家重大需求，大力推动多媒体计算领域的研发及成果转化，切实服务于国民经济主战场。力争实现四个重大：“国际重大学术成果、国家重大科技支持、国家重大科技奖励、国民重大科学成果应用”。团队成员全部为海外世界前200名大学毕业的优秀博士。研究团队目前有国家“千人计划”特聘专家1人，国家“青年千人计划”特聘专家1人，四川省“千人计划”专家4人，“校百人”特聘教授/研究员5人，副教授2人，博士青年教师1人。http://bmc.uestc.edu.cn/

特别鸣谢本次Webinar主要组织者：

VOOC责任委员：姬艳丽（电子科技大学)

VODB协调理事：贾伟（中科院合肥）

活动参与方式：

1、VALSE Webinar活动全部网上依托VALSE QQ群的“群视频”功能在线进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过文字或语音与讲者交互；

2、为参加活动，需加入VALSE QQ群，目前A、B、C、D、E群已满，除讲者等嘉宾外，只能申请加入VALSE F群，群号：594312623 。申请加入时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M

3、为参加活动，请下载安装Windows QQ最新版，群视频不支持非Windows的系统，如Mac，Linux等，手机QQ可以听语音，但不能看视频slides；

4、在活动开始前10分钟左右，主持人会开启群视频，并发送邀请各群群友加入的链接，参加者直接点击进入即可；

5、活动过程中，请勿送花、棒棒糖等道具，也不要说无关话语，以免影响活动正常进行；

6、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；

7、建议务必在速度较快的网络上参加活动，优先采用有线网络连接。