第八十二期CCF-CV走进高校系列报告会于河南科技学院圆满结束

阅读量:23
2019-12-02



2019年11月29日下午,由中国计算机学会计算机视觉专委会(CCF-CV)主办、河南科技学院信息工程学院与人工智能学院共同承办的第82期CCF-CV走进高校系列报告会活动——“计算机视觉前沿技术及应用”在河南科技学院行政楼206报告厅成功举行。本期报告会邀请了北京工业大学毋立芳教授、武汉大学张洪艳教授、华中科技大学刘文予教授、北京航空航天大学李文玲副教授和中科院计算所韩琥副研究员五位专家学者做了特邀报告。本次报告由河南科技学院信息工程学院院长李国厚教授担任执行主席,来自信息工程学院、人工智能学院、河南师范大学的150多名师生聆听了报告。

本期报告由河南科技学院信息工程学院院长李国厚教授致欢迎辞。李国厚教授介绍了河南科技学院80年的发展概况、相关特色专业以及河南科技学院机器人研究所取得的部分成果,并对各位特邀专家的到来表示热烈的欢迎和由衷的感谢,希望通过本期报告会能够与CCF-CV以及各位专家建立长期良好的交流合作关系,进一步推进河南科技学院广大师生在计算机视觉技术在农业特色专业的应用研究水平。

报告信息

北京工业大学毋立芳教授的报告题目是“基于视觉的群体行为分析:个体特征 vs 运动模式”。毋教授首先介绍了目前常用的群体行为分析数据库,然后针对team sport 群体行为识别问题,介绍了三类基于个体特征的方法:基于关键个体的群体行为识别方法、基于LSTM层次化表示的群体行为识别方法、基于关系推理的群体行为识别方法以及他们研究组提出的基于运动模式的方法,分析了各类方法的特点,并对后续研究进行了展望。最后介绍了他们组在农业气象领域开展的相关工作,为我校在农业领域开展计算机视觉相关研究提供了重要参考。

武汉大学张洪艳教授的报告题目为:“高光谱遥感信息处理与农业应用”。张教授的报告主要内容为:针对高光谱图像成像过程和精细化地表信息中常遇到噪声干扰、空间分辨率低、同谱相干和混合像元等问题展开分析,指出高光谱图像复原是后续信息处理的重要预处理步骤提取和应用、高光谱成像过程的数学建模是高质量高光谱图像混合噪声去除的关键前提。随着高光谱图像观测模型的发展,介绍了利用高光谱图像的低阶特性来进行高光谱遥感图像噪声复原、利用超分辨率重建来弥补空间分辨率的损失、利用高光谱图像的多特征稀疏表达来解决同谱相干问题以及构建丰度图来还原混合像元内容等一系列精细化地表信息的方法,最后张教授展示了高光谱图像在农业气候分析和病害预防领域的相关工作,为我院在大田作物培育工作提供了新思路。

华中科技大学刘文予教授的报告题目是“弱监督学习及物体检测中的应用”。刘教授的报告指出,传统的深度学习物体检测方法需要使用有详细物体位置和类别标注的图像数据进行训练,同时需要大量的有标注训练样本,但收集这些标注十分费时费力,因此在多示例学习和神经网络的基础上,刘文予教授介绍了三种行之有效的弱监督物体检测解决方案,包括基于深度区域学习的弱监督物体检测网络、基于候选区域聚类学习的弱监督物体检测网络、弱监督候选区域提取及物体检测网络。最后通过介绍讲者近年来利用深度学习技术在视觉数据分析和理解方面所做的一些研究工作,刘教授指出深度学习作为核心技术,正大幅度促进图像视频理解、语音识别、自然语言理解等诸多领域的极大进步。

北京航空航天大学李文玲副教授报告的题目是:“群体系统的协作跟踪与定位”。报告主要介绍了群体系统的协作跟踪与定位在军事和民用领域中有重要应用,如战场态势监控、智能交通管制等。通过介绍单个体系统对运动目标的跟踪、群体系统对运动目标的协作跟踪,以及群体系统自身的协作定位等三方面的内容,重要展示了跟踪与定位过程中的动态系统滤波方法及信息融合方法,以及在移动机器人跟踪和机械臂末端定位应用中的视觉目标跟踪方法。

中国科学院计算技术研究所韩琥副研究员报告的题目是:“微弱视觉模式建模与分析”。韩教授通过生动有趣的语言介绍了在不同视觉分析任务中,视觉模式的强度呈现出的巨大差异,其中微弱视觉模式因为往往对人眼不明显甚至不可见,对其建模与分析面临极大挑战。报告从微弱视觉模式的物理模型信号抽取、特征解耦、半监督学习以及迁移学习等方面,介绍了微弱视觉模式建模方法及其在面部AU识别、遥测式人脸心率估计和影像增强方面的应用。

此次CCF-CV走进高校系列报告会持续了将近四个小时,五位专家既生动展示了当前计算机视觉的前沿技术,又为我校师生结合特色专业开展研究指明了研究方向。报告会现场气氛热烈,在场的师生们就专家的报告纷纷提出自己感兴趣的问题和学术研究遇到的困惑,现场专家也给出了详细且准对性的解答,极大地鼓舞了我校师生们的科研热情,报告会在热烈的气氛中圆满结束。