学习型计算机视觉技术探索与实践 | CNCC技术论坛

博士、教授、博导，国家杰出青年科学基金获得者，中国图象图形学学会理事，IET Fellow，教育部高校教指委员、英国特许工程师及认证官，现为天津理工大学副校长、教育部工程研究中心负责人、天津市“新一代人工智能与系统”特色学科群负责人、天津市重点领域创新团队负责人。2003香港城市大学取得博士学位、2007德国汉堡大学洪堡学者、2009英国帝国理工学院访问教授。主要从事机器视觉与模式识别领域的研究，先后主持国家级重要项目7项，在国际期刊上发表200多篇SCI论文，其中IEEE Transactions期刊论文50多篇、ESI高被引论文累计20篇，5次获国际最佳学术论文奖；在Springer、科学出版社等发表中英文学术著作10多部英文，发明专利100多项。被SCI他引3000多次，多次被评为全球高被引科学家。曾获德国洪堡基金、浙江省自然科学和科技进步一等奖各1项、教育部自然科学二等奖。担任《Optoelectronics Letters》、《IEEE Transactions on Cybernetics》等4 种国际学术期刊的主编和副编，作为主席和专题主席组织10多次国际学术会议。

报告一题目：通用视觉：探索. 实践. 沉淀

演讲摘要：在这个报告中，将介绍华为云在人工智能基础技术，尤其是视觉领域的不断探索、实践和沉淀，实现普惠AI。首先从数据、模型、知识三个方面介绍一下华为计算视觉基础研究的进展。接着介绍华为AI研究在行业中的几个具体案例，其次介绍华为的一站开发平台ModelArts和满足行业定制化需求的ModelArts Pro。最后总结一下华为云在AI人才培养方面的规划与实践。

报告人简介：田 奇，教授，IEEE Fellow，长江学者讲座教授，海外杰青，华为云人工智能领域首席科学家。毕业于清华大学电子工程系，后赴美国伊利诺伊大学香槟分校学习获博士学位，后任美国德克萨斯大学圣安东尼奥分校计算机系正教授，于2010年获Google Faculty Research Award，2017年UTSA 校长杰出研究奖，2016年获评多媒体领域10 大最具影响力的学者。曾在Microsoft Research Asia、UIUC、NEC Lab等多个单位访问工作。2015年ACM MM 大会主席， 在CVPR、ICCV、ECCV等也多次任领域主席。IEEE TMM、IEEE TCSVT、IEEE TNNLS、ACM TOMM等多个期刊的Associate Editor。他拥有多项美国专利，在计算视觉及多媒体方向顶级期刊及会议如IEEE TPAMI，IJCV，TIP，TMM，CVPR，ICCV，ECCV，ACM MM上发表文章590余篇，Google引用次数超过22500余次，h-index为74，有多篇论文获最佳论文奖或者最佳学生论文。

报告二题目：实时视觉和人工智能技术应用

演讲摘要：五亿年前奇虾就可以通过视觉进行迅速的捕猎，而人类可以抓住迅速运动的球。这些能力计算机系统可以做到吗？近年来，以计算机视觉技术为代表的人工智能算法、硬件与软件系统获得了长足的发展。但将深度学习计算机视觉应用于控制系统还面临着巨大的挑战，主要体现在延迟、准确性及控制算法方面，一方面机械控制系统需要微秒甚至纳秒级别的延迟和极高的准确率与稳定性，另一方面深度学学习计算机视觉系统普遍存在着秒至百毫秒级别的不稳定延迟及远低于控制系统所需的准确率，这之间的鸿沟如何跨越及还有哪些有挑战性的问题？跨越这个鸿沟又能带来哪些意想不到的新的应用？这些问题正是本次报告试图回答的。

报告人简介：刘忠轩，博士，英特尔中国研究院高级研究员，负责研究院智能制造方向研究。2005年毕业于中科院自动化研究所，曾于法国电信、中科院自动化研究所从事科研工作，2015年加入英特尔。主要研究领域为机器学习、计算机视觉与边缘智能计算等，在智能拆解及缺陷检测等智能制造场景与智能广告牌等智能零售场景中人工智能算法与系统方面有着深入的研究。在IEEETCSVT、IEEE SPL、JCST、ICIP、ICPR等国际期刊与会议上发表20 余篇论文，获得10余项PCT国际专利，曾获得TRECVID09视频检索评测第三名和法国电信集团研究创新提名奖等奖项。

报告三题目：紧致化计算机视觉系统

演讲摘要：当报告主要探索视觉大数据搜索识别系统中的紧凑性问题，将覆盖纪荣嵘教授研究组近两年来在面向视觉终端应用的视觉特征紧凑表示和深度网络压缩中所做的一些工作与成果。在视觉特征紧凑表示方面，将介绍通过引入大规模无监督排序信息，学习排序敏感的哈希码，以保持原始高维特征空间中的检索信息。在深度网络压缩方面，将介绍面向特定任务（人脸和视觉场景解析）的深度网络级联压缩模型（串行低秩矩阵分解技术）与加速模型（结构化稀疏约束剪枝技术）。报告并将介绍上述研究在腾讯、滴滴、华为等视觉产品中的实际应用。

报告人简介：纪荣嵘，优青获得者，厦门大学信息学院人工智能系教授、博士生导师，媒体分析与计算实验室主任。主要研究方向为计算机视觉、多媒体技术和机器学习。近年来发表PAMI(4)、IJCV(2)、ACM 汇刊、IEEE 汇刊共49篇，CVPR、NeurIPS 等中国计算机学会推荐A 类国际会议长文88篇。论文谷歌学术引用8938次，H指数46，SCI他引3328 次，ESI 高被引论文8篇，获批中美专利8项。曾获2007年微软学者奖、2011年ACM Multimedia最佳论文奖、2015年省自然科学二等奖（第2）、2016年教育部技术发明一等奖（第4）、2016年厦门市科技创新杰出人才奖、2018年省科技进步一等奖（第1）、2019年福建省青年科技奖。曾/ 现主持国家重点研发计划课题1项，国家自然科学基金项目3项（联合重点、优青、面上各1 项）。受邀任ACM Transactions on Intelligent Systems and Technology与IEEE Multimedia等十余个SCI国际期刊客座编辑、副编辑，任中国计算机学会A类国际会议IEEE CVPR 2021、ACM Multimedia 2020/ 2019/2018领域主席等十余次国际会议主席、领域主席、专题主席。

报告四题目：深度物体检测研究进展与展望

演讲摘要：Object detection, one of the most fundamental and challenging problems in computer vision, seeks to locate object instances from a large number of predefined categories in natural images. Deep learning techniques have emerged as a powerful strategy for learning feature representations directly from data and have led to remarkable breakthroughs in the field of generic object detection. Given this period of rapid evolution, the goal of this talk is to provide a comprehensive overview of the recent achievements in this field brought about by deep learning techniques, covering many aspects of generic object detection: detection frameworks, object feature representation, object proposal generation, context modeling, training strategies, and evaluation metrics. We will discuss promising directions for future research.

报告人简介：刘丽，毕业于国防科技大学，曾在加拿大滑铁卢大学、香港中文大学和芬兰奥卢大学做访问学者。长期从事计算机视觉与机器学习领域的研究工作。发表相关论文70余篇，其中IEEE TPAMI和IJCV论文6篇，在Google Scholar上被引2900多次，SCI他引800多次，5篇论文入选ESI高被引论文。主持国家自然科学基金面上基金、青年基金、联合基金重点项目等10余项项目。获得首届中国图象图形学会石青云女科学家奖青年奖，湖南省自然科学二等奖、湖南省杰青、全军优秀博士学位论文和国防科技大学青年拔尖人才计划。担任IEEE TPAMI 和IJCV等顶级期刊的首席客座编辑，担任ACCV’2020和ICME’2020的领域主席。