报告时间：2019年11月9日（周六） 上午8:30-12:30
报告地点：信息工程学院 副203会议室
报告专家：程塨，钟必能，黄迪，张焕龙
报告一：高分辨率遥感图像理解
报告摘要：
遥感图像理解是遥感大数据信息挖掘与提取的关键技术，具有重要的民用和军事应用价值，也是近年来遥感应用领域的研究热点问题。本报告重点介绍深度学习技术在高分遥感图像理解方面的一些典型应用，包括光学遥感图像目标检测和场景分类、以及高光谱遥感图像分类。
个人简介：
程塨，西北工业大学研究员，博士生导师，入选陕西省“青年科技新星”和陕西省普通高校“青年杰出人才支持计划”。主要研究方向为深度学习、高分辨率遥感图像理解。发表论文50余篇，包括Proceedings of the IEEE、IEEE Signal Processing Magazine、IEEE T-PAMI、IEEE T-IP、IEEE T-GRS、IEEE CVPR、IJCAI等，10余篇论文入选ESI高被引论文/热点论文，Google学术总引用3500余次，SCI总他引1800余次，3篇第一作者论文在所在期刊发表年至今的所有论文中引用排名第一；获得授权发明专利18项；获2017年教育部自然科学奖二等奖(第3完成人)和2018年陕西省科学技术奖一等奖(第4完成人)；获得IEEE GRSL 2017&2018年度最佳审稿人奖以及IEEE J-STARS 2018年度最佳审稿人奖；担任多个国际期刊的编委/客座编辑。
报告二：基于深度强化学习的目标跟踪
报告摘要：
目标跟踪算法通常由目标表观模型、运动搜索模型和更新策略三部分构成。近年来，伴随着深度学习的成功和大规模目标跟踪数据集的出现，为了实现视觉目标的长时间持续跟踪，如何构造复杂的基于深度学习表观模型和更新策略引起了国内外同行的极大关注。然而，大部分**仅仅使用简单的、启发式的运动模型，从而造成了无效的搜索和**性能的退化。为了改进**的搜索效率和跟踪精度，我们提出了一种基于深度强化学习由粗到细搜索的分层目标跟踪算法。该算法使用深度强化学习自动学习出数据驱动的运动模型，并结合由粗到细的搜索和分层验证的思想，最终取得了鲁棒有效的跟踪效果。
个人简介：
钟必能，博士，教授，硕士研究生导师，华侨大学计算机科学与技术学院计算机系主任，哈尔滨工业大学博士。2015年入选“福建省高校新世纪优秀人才支持计划”、2013年入选“福建省高校杰出青年科研人才培育计划”。主要研究方向为计算机视觉和模式识别；特别关注基于深度学习、强化学习、元学习、多模态深度学习、对抗学习、概率图模型、人工智能的可解释性、以及基于语言、视觉和语音等多模态信息联合理解的理论、算法与技术的图像和视频理解。已在计算机视觉和模式识别的国内外著名期刊及国际重要学术会议上发表论文100多篇，SCI收录51篇，EI收录36篇，被引用3561多次，H指数为16，I10指数为31，其中CCFA类会议8篇（CVPR 4篇，ECCV 2篇，AAAI 1篇，IJCAI 1篇，LCLR 1篇）、IEEE Transactions期刊、以及SCI一区、二区期刊30多篇。现为IEEE会员、中国计算机学会会员、中国计算机学会计算机视觉专业委员会委员。作为负责人和技术骨干参加或主持了国家自然科学基金项目和福建省自然科学基金项目等50多项研究工作。担任多个国际顶级会议（CVPR、ICCV、ECCV、ICML、NIPS）和顶级期刊（IEEE TPAMI、IEEE TCSVT、IEEE TIP、PR、Neurocomputing）的审稿人。
报告三：图像视频数据的多维度理解
报告摘要：
近年来，三维数据采集设备取得了长足的进步，以较低成本快速地获取高精度的三维数据成为现实，这促进了三维人脸分析技术的进一步发展和应用。三维数据直接反映了人脸的形状信息，不受环境光照和头部姿态变化的影响，且和纹理信息具有良好的互补关系。正是由于这些优良的特性，越来越多的研究机构投入到与三维人脸相关的工作中来。这次报告将着重介绍三维人脸分析在数据库构建、处理方法、实验评价等主要方面的最新研究进展，涉及人脸标志点定位，人脸曲面配准、曲面几何表示、和二维三维信息融合等多个研究内容，主要涵盖三维人脸识别和三维人脸表情分类两种典型应用。此外，报告还将对我们在三维人脸分析技术实用化道路上正在和将要面对的困难与挑战进行展望和讨论。
个人简介：
黄迪，博士，北京航空航天大学计算机学院副教授，博士生导师。于2011年在法国里昂中央大学获得博士学位。研究工作涉及计算机视觉，模式识别，情感计算，机器学习等。曾主持国家自然科学基金、北京市自然科学面上基金，微软基金等科研课题和国家体育总局国家队科研综合攻关等实用型项目，还作为主要成员参与了国家重点研发计划、国家973计划、法国科研署基金等多项国内外基础研究工作。已在领域内国内外重要期刊和会议上发表论文八十余篇(含IEEE/ACM会刊和CCF-A类论文三十余篇，ESI高被引论文一篇)，Google Scholar引用2700余次；申请国内外发明专利七项，获授权五项。部分成果在医疗诊断和安全监控等行业得到了成功应用。曾获2013 ACM MM情感计算竞赛(AVEC)第1名，2016 IEEE ICB最佳墙报论文奖，2016 CCBR最佳论文奖，2017 ICCV AMFG Workshop最佳论文奖。现任中国人工智能学会理事和智能交互专委会秘书长、中国计算机学会人工智能专委会和计算机视觉专委会委员。
报告四：不确定运动场景下的目标持续性跟踪方法研究
报告摘要：
视频目标跟踪是机器视觉领域中热点研究问题之一，随着稀疏学习、增强学习、注意网络和孪生网络等理论的深入研究，复杂场景下以运动平滑性假设为条件的目标跟踪方法得到空前发展，目标外观模型的设计和模型泛化能力的增强成为研究重点。近年来，目标长时间的持续性跟踪成为新的挑战问题，我们松弛了运动约束条件并将研究重点聚焦于不确定运动场景，致力于设计能够对目标运动状态难以评估、外观变化关联性降低和有效训练样本难以获得等问题具有较好适应能力的鲁棒性跟踪方法。本报告概述了不确定运动场景下目标跟踪方法的发展现状，介绍团队的一些研究成果，给出该问题未来的研究趋势。
个人简介：
张焕龙，博士，副教授，硕士研究生导师，郑州轻工业大学电气信息工程学院自动化系主任。2015年获得上海交通大学控制科学与工程专业博士学位，主要研究内容包括模式识别与智能系统、区域异常行为检测与分析、多源信息融合技术、视觉检测与图像处理等。近年来，在智能监控场景下目标的检测、识别和跟踪等方面进行了深入研究。先后作为核心成员参与国家863自然科学基金重点项目1项、面上项目3项；主持获得国家自然科学基金青年项目1项，国家自然科学基金面上项目1项，河南省科技攻关项目2项；主持获得河南省科技进步二等奖1项；在PR、Neurocomputing、SPL等国际期刊上发表SCI收录论文30余篇；在《科学出版社》和《电子工业出版社》出版学术著作2部，获得授权发明专利8项。担任多个国际顶级期刊和国际会议的特约审稿人。
信息工程学院
2019年11月5日