【CVPR 2019 | tutorial】野外家庭的视觉识别： Visual Recognition of Families In the Wild

报告题目：

Visual Recognition of Families In the Wild

报告简介：

亲属关系自动识别具有广泛的应用价值。首先，协助法医调查，因为亲属关系是一个强有力的线索，可以缩小搜索空间（例如，知道波士顿爆炸案是兄弟可能有助于更快地确定嫌疑人）。简言之，这类技术可能带来许多好处：消费者（例如，自动照片库管理）、学者（例如，历史血统和家谱研究）、数据分析仪（例如，基于社交媒体的分析）、调查员（例如，失踪儿童和人口贩运案件——例如，然而，在网上找到的失踪儿童不太可能出现在任何数据库中，甚至不太可能是难民。除了基于应用的问题之外，正如已经暗示的，亲属关系是一个强大的线索，可以作为一个人脸属性，在更一般的人脸识别问题中，能够大大减少搜索空间。有了我们的FIW数据库，我们可以以比以往任何时候都大得多的规模提出这一相对较新和具有挑战性的问题（例如，64.4万对人脸的亲属关系验证，而不是只有2000对，1000个家庭的家庭分类，而不是只有101个）。最后，我们也希望FIW能作为一个丰富的资源，进一步将基于人脸识别的问题的语义鸿沟与更广泛的人机交互激励联系起来。

嘉宾介绍：

Joseph Robinson & Ming Shao，获得电气和计算机工程学士学位（2014年），并在东北大学（NEU）攻读计算机工程博士学位，同时兼任兼职教师：设计和教授数据分析本科课程。研究方向是应用机器视觉，重点是人脸、深度学习、多媒体和大型数据库。此前，带领球队首次亮相特雷维德（MED，获得第三名最佳准确率）。此外，建立了许多图像和视频数据集，其中最引人注目的是FIW。担任各种研讨会和挑战（如NECV17、RFIW@ACM-MM17、RFIW@FG18、AMFG@CVPR18、FacesMM@ICME18）、教程（ACM-MM18）、PC成员（如CVPR、FG、MIRP、MMEDIA、AAAI）、评审员（如IEEE Trans）的组织主席和主持人。在生物医学电路和系统，图像处理，模式分析和机器智能）和领导职位，如IEEE@NEU总裁和IEEE SAC R1地区的关系官员。完成了两项NSF REUs（2010和2011）；Analogic Corporation和BBN Technology的合作；在麻省理工学院林肯实验室（2014）、系统与技术研究（2016和2017）、Snap Inc.（即Snapchat）（2018）和ISMConnect（2019）实习。

Ming Shao，Joseph Robinson