bat365中文官方网
科研工作

CSIG图像图形中国行-bat365官网登录入口站

来源:bat365中文官方网站     发布日期:2023-12-14    浏览次数:


一、活动简介

CSIG图像图形中国行是由中国图象图形学学会(CSIG)主办的学术活动,旨在推动图像图形学科的普及,加强各高校研究所以及企业间的交流。自20174月起,CSIG图像图形中国行活动成功举办了100余期,线上线下参会人数累计数万人次,受到业界好评。本次“CSIG图像图形中国行-bat365官网登录入口站CSIG机器视觉专委会、CSIG文档图像分析与识别专业委员会、bat365官网登录入口bat365中文官方网站联合承办。

本研讨会很荣幸邀请到金连文教授、魏云超教授、雷娜教授、郭斌教授、林宙辰教授、石川教授、魏哲巍教授、张长青教授、黄增峰教授等九位著名学者来做精彩的专题报告,采用线下学术会议的方式进行,热忱欢迎感兴趣的老师和同学前来参加,与专家互动。

 

主办:中国图象图形学学会(CSIG

承办:CSIG机器视觉专委会、CSIG文档图像分析与识别专委会bat365官网登录入口bat365中文官方网站

时间:20231215 20231216

地点:福州中海凯骊酒店

 

二、会议主席

   

   林宙辰 教授

个人简介:林宙辰是北京大学智能学院跨媒体通用人工智能全国重点实验室教授,研究领域为机器学习和计算机视觉。他在人工智能核心期刊和会议上发表论文290余篇,出版中英文专著5本,谷歌引用数3.1万余次。他曾多次担任多个业内顶级会议的领域主席,包括CVPRICCVICMLNIPS/NeurIPSAAAIIJCAI ICLR,曾任ICPR 2022程序共同主席、ICML 2022/NeurIPS 2022/NeurIPS 2023/CVPR 2023/ECAI 2023/ICLR 2024资深领域主席。他曾任IEEE Transactions on Pattern Analysis and Machine Intelligence 编委,现任International Journal of Computer Vision Optimization Methods and Software 的编委。他曾获2020年度CCF科学技术奖自然科学一等奖。他是中国图象图形学学会(CSIG)机器视觉专委会主任,CSIGAAIAIAPRIEEE 的会士,国家杰青,科技部科技创新2030-“新一代人工智能”重大项目负责人。

 

   郭文忠 教授

个人简介:郭文忠,bat365官网登录入口教授,博士生导师,百千万人才工程国家级人选,国家有突出贡献中青年专家称号,享受国务院政府特殊津贴人员,福建省科技创新领军人才,福建省特级人才后备人选,CCF杰出会员,2010年破格晋升为副教授并担任硕士生导师,2013年破格晋升为教授并增列为博士生导师。现为bat365官网登录入口副校长,bat365官网登录入口计算机科学与技术学科带头人,计算机科学与技术一级学科博士点和电子信息工程博士点负责人,福建省“网络计算与网络内容分析”高校创新团队负责人,担任卫星空间信息技术综合应用国家地方联合工程研究中心副主任、教育部空间数据挖掘与信息共享重点实验室和政务大数据应用协同创新中心主任以及福建省大数据分析与处理工程研究中心主任等。主持包括国家科技部重点研发计划课题、国家自然科学基金区域联合重点项目、面上项目、福建省科技厅重大专项项目等各类项目30多项,累计经费达到8000多万元。发表论文200余篇,涵盖了T CYBERNETICS, TNNLS, TIP, TBD等重要国际刊物上,授权国家发明专利四十余项,并获福建省科技进步一等奖2项和中国计算机学会科技进步杰出奖等。

三、特邀专家

 

金连文 教授

个人简介:金连文,华南理工大学二级教授,兼任中国图象图形学学会(CSIG)常务理事、广东省图象图形学会理事长、CSIG文档图像分析与识别专委会主任等职。主要研究领域为文字识别、文档图像理解、计算机视觉与人工智能等,在重要学术期刊及国际会议上发表论文200余篇,其中SCI Q1+CCF A类论文100余篇,Google Scholar论文引用数过万,H指数60。连续4年入选斯坦福大学全球前2%顶尖科学家”年度榜单。获省部级科技奖5项(其中一等奖2项,二等奖3项);荣荣获中国人工智能学会、中国电子学会和中国图象图形学会科技进步二等奖各1项;指导学生参加CVPR/ICDAR/ICPR/PRCV等国际国内知名会议上的学术竞赛并荣获冠军20余次。

 

报告题目:OCR大模型的一些思考

报告摘要:随着大语言模型的兴起,面向自然语言处理领域的通用人工智能(AGI)取得了重大突破,近年来,多模态大模型也引起了广泛的研究关注并取得了快速发展,但目前针对光学文字识别(OCR)垂直领域的大模型研究工作报道还不多。本报告将简要回顾近年来多模态大模型和OCR大规模预训练模型等相关技术,探讨面向OCR的基础模型构建方法和可能的技术路线,并对大模型时代OCR技术发展趋势与未来研究方向进行讨论和展望。

 

魏云超 教授

个人简介:魏云超,北京交通大学教授,国家高层次人才计划获得者。曾在新加坡国立大学、美国伊利诺伊大学厄巴纳-香槟分校、悉尼科技大学从事研究工作。入选MIT TR35 China、百度全球高潜力华人青年学者、《澳大利亚人》TOP 40 Rising Star;获世界互联网大会领先科技奖(2023)、教育部高等学校自然科学奖一等奖(2022)、中国图象图形学学会科技技术奖一等奖(2019)、澳大利亚研究委员会青年研究奖(2019)、IBM C3SR最佳研究奖(2019)、计算机视觉世界杯ImageNet目标检测冠军(2014)及多项CVPR竞赛冠军;发表TPAMICVPR等顶级期刊/会议论文100多篇,Google引用近18000次。目前主要研究方向包括面向非完美数据的视觉感知、多模态数据分析、生成式人工智能等。

 

报告题目:开放世界的视觉感知

报告摘要:如何对不断变化的视觉场景进行理解,具体包括:1)如何使模型在不断变化的环境中不断学习新知识且不忘旧知识,实现模型能力的持续提升?2)当前模型的训练样本大多限定在固定的类别上,当新类别出现时,模型如何有效应对?

 

雷娜 教授

个人简介:雷娜,大连理工大学国际信息与软件学院教授,博士生导师,国家杰青。研究方向主要聚焦于计算共形几何、计算拓扑、计算机数学算法及其在人工智能、计算机图形学、几何建模和医学图像中的应用。主持国家重点研发计划课题、国家杰出青年科学基金项目、国家自然科学基金重点项目以及军科委创新项目等。学术成果多次被菲尔兹奖获得者或美国科学院院士等在国际会议上介绍;获得的知识产权在工业界成功转化。担任网格生成领域国际顶会IMR 首位亚洲committee member。获得世界华人数学家大会最佳论文奖。

 

报告题目:Conformal Geometric Methods for Medical Imaging Applications

报告摘要:Conformal geometric methods are crucial for surface registration and shape analysis. By using conformal mappings, 3D shapes can be mapped onto planar domains, and compared on the 2D plane; furthermore, the planar shapes of the images give the global geometric invariants, the conformal modules. This framework greatly improves the effeciency and accuracy for geometric analysis. For examples, in virtual colonoscopy, supine and prone colon wall surfaces are flattened onto planar regions using Ricci flow method, and registered by quasi-conformal mappings. In ossicular chain examination, the Ricci curvature is used to segment the object and the conformal module is applied to detect abnormalities.

 

 

郭斌 教授

个人简介:郭斌,工学博士,西北工业大学计算机学院教授、副院长,国家杰出青年科学基金获得者,人机物融合群智计算教育部重点实验室副主任,工信部智能感知与计算重点实验室副主任,西北工业大学计算与艺术交叉研究中心主任。2009年在日本庆应大学获博士学位,2009-2011年在法国国立电信学院进行博士后研究。入选教育部“新世纪优秀人才”(2012)和国家“万人计划”青年拔尖人才(2017),爱思唯尔中国高被引学者,斯坦福全球前2%顶尖科学家。

 

报告题目:人机物融合群智计算:理论探索与实践

报告摘要:近来,在智能物联网、边缘智能、群体智能等兴起背景下,跨空间人、机、物异构智能体协作增强将成为新一代群智感知计算最重要的演进方向——即“人机物融合群智计算”。人机物融合群智计算涉及物联网、人工智能、生态学、复杂系统科学、社会学等多学科交叉,探索自然集群交互协同与人工群智能体间协作增强间的隐式关联和映射机理,将通过异构群智能体的有机交互、协作、竞争与博弈,构建具有自组织、自学习、自适应、持续演化等能力的智能感知计算空间。本报告将探讨人机物融合群智计算的基础理论、科学挑战及关键技术,并介绍我们在这方面的研究进展。

 

 

林宙辰 教授

个人简介:林宙辰是北京大学智能学院跨媒体通用人工智能全国重点实验室教授,研究领域为机器学习和计算机视觉。他在人工智能核心期刊和会议上发表论文290余篇,出版中英文专著5本,谷歌引用数3.1万余次。他曾多次担任多个业内顶级会议的领域主席,包括CVPRICCVICMLNIPS/NeurIPSAAAIIJCAI ICLR,曾任ICPR 2022程序共同主席、ICML 2022/NeurIPS 2022/NeurIPS 2023/CVPR 2023/ECAI 2023/ICLR 2024资深领域主席。他曾任IEEE Transactions on Pattern Analysis and Machine Intelligence 编委,现任International Journal of Computer Vision Optimization Methods and Software 的编委。他曾获2020年度CCF科学技术奖自然科学一等奖。他是中国图象图形学学会(CSIG)机器视觉专委会主任,CSIGAAIAIAPRIEEE 的会士,国家杰青,科技部科技创新2030-“新一代人工智能”重大项目负责人。

 

报告题目Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models

报告摘要:Different kinds of deep networks typically need different optimizers, which have to be chosen after multiple trials, making the training process inefficient. To relieve this issue and consistently improve the model training speed across deep networks, we propose the ADAptive Nesterov momentum algorithm (Adan). Adan first reformulates the vanilla Nesterov acceleration to develop a new Nesterov momentum estimation (NME) method, then adopts NME to estimate the first- and second-order moments of the gradient for convergence acceleration. Besides, we prove that Adan finds an ϵ-approximate first-order stationary point within $O(ϵ^{−3.5})$ stochastic gradient complexity on the non-convex stochastic problems, matching the best-known lower bound. Extensive experimental results show that Adan consistently surpasses the corresponding SoTA optimizers on vision, language, and RL tasks and sets new SoTAs for many popular networks. More surprisingly, Adan can use half of the epochs of SoTA optimizers to achieve higher or comparable performance and also shows great tolerance to a large range of minibatch size, e.g. from 1k to 32k.

 

 

石川 教授

个人简介:石川 北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和大数据分析。近5年以第一作者或通讯作者在CCF A类期刊和会议发表论文60余篇,中英文专著五部,谷歌学术引用过万,连续入选爱思唯尔高被引学者;授权发明专利20余项,相关研究成果应用于阿里巴巴、腾讯、华为、美团等公司。获得ADMA2011/ AMDA2018最佳论文奖和WWW2019最佳论文候选。研究成果获得省部级奖励6项,包括电子学会科技进步一等奖(排名第一)、北京市科学技术奖自然科学二等奖(排名第一)和吴文俊人工智能科技进步一等奖(排名第三)。

 

报告题目:自监督图神经网络

报告摘要:近年来,如何将神经网络应用到图数据,形成了图神经网络的研究热潮。图神经网络不仅成为人工智能的热点技术方向,而且广泛应用在电商、生物医药等众多领域。传统图神经网络往往是半监督学习范式,即需要标注信息。但是很多实际应用中缺乏标注信息,因此在无监督场景下如何训练图神经网络成为重要问题。自监督学习是在无监督场景下,利用数据本身的监督信号进行有监督学习,成为解决无监督学习的有效方法。本报告系统将介绍如何针对图数据进行自监督学习,包括相关概念,基础模型与应用。

穿着西装的男孩描述已自动生成

魏哲巍 教授

个人简介:魏哲巍,教授,博导,入选国家高层次青年人才,担任新一代智能搜索与推荐教育部工程研究中心副主任。2008年本科毕业于北京大学数学科学学院,2012年博士毕业于香港科技大学计算机系;2012-2014年于奥胡斯大学计算机系担任博士后研究员,20149月加入中国人民大学任教。在数据库、理论计算机、数据挖掘、机器学习等领域的顶级会议及期刊(如SIGMODVLDBICMLNeurIPSKDDSODA等)发表论文60余篇,并获得数据库理论会议PODS2022时间检验奖、2023年世界人工智能大会青年优秀论文提名奖。主持自然科学基金重点项目、科技部2030人工智能重大项目课题。担任PODSICDT等大数据理论会议论文集主席以及ICMLNeurIPSICLRWWW领域主席;担任鹏城实验室广州基地青年科学家。培养博士生获2021年百度奖学金(全球10人)、2022年微软学者(亚太地区12人)。

 

报告题目:图机器学习

报告摘要: 近年来,由于图结构数据的强大表达能力,用机器学习方法分析和挖掘图数据的研究越来越受到重视。图机器学习是一类基于机器学习技术处理图数据的方法,其在众多领域展现出了卓越的性能,并已经成为广泛应用的图分析方法之一。图机器学习的研究方向包括图神经网络、谱域图神经网络、动态图神经网络、图Transformer和图攻防技术等多种不同的方法。这些方法已被广泛应用于社交网络、蛋白质结构预测、交通流量预测等诸多领域。本报告将概述近年来图机器学习在各个研究方向的主要进展,探讨图机器学习研究的一些开放性问题,并介绍我们在图机器学习研究领域所做的一些工作以及对未来工作的展望。

 

 

 

张长青 副教授

个人简介:张长青,天津大学智能与计算学部博士生导师,入选国家级青年人才计划,其主要研究方向为多模态机器学习和不确定性机器学习。在Nature CommunicationsIEEE TPAMIICMLNeurIPS等顶级期刊和会议上发表论文60余篇,多篇论文入选顶级会议ICML/NeurIPS口头报告和亮点论文,谷歌学术引用8000余次。研究成果获得中国图象图形学学会自然科学奖一等奖、ICME最佳论文等奖励。入选全球AI华人青年学者榜单、连续入选斯坦福大学发布的全球顶尖科学家榜单。主持和参与多项国家自然基金项目和国家重点研发计划项目。

 

报告题目:面面向低质多模态数据的机器学习方法、理论及应用

报告摘要:多模态数据之间存在复杂关联,并且真实场景下来自不同信息源的数据质量随着时间、空间、样本的不同具有动态性,造成对任务支撑能力的显著变化。例如多模态数据往往会受到恶劣天气、传感器故障等因素的影响,夜间、雨雾天气下雷达信号往往比RGB摄像头信号更加可靠。基于此,将主要介绍面向低质量多模态数据的机器学习方法和应用,并对其背后的理论依据进行分析。

 

 

A person wearing glasses and a suitDescription automatically generated

黄增峰 教授

个人简介:黄增峰,复旦大学大数据学院教授,博士生导师。浙江大学和香港科技大学分别获得学士和博士学位。在国际期刊和会议上(ICML, NeurIPS, JMLR, FOCS, SICOMP, SIGMOD, TIT等)发表高水平论文五十余篇。获上海市扬帆计划、国家级青年人才计划支持。所发表论文荣获了多项国际奖项,包括ICML 2018最佳论文亚军奖(best paper runner up award), 两次世界人工智能大会青年优秀论文提名奖(20202023),以及PODS 2022时间检验奖。

 

报告题目:图表示学习与图神经网络

报告摘要:随着图神经网络的兴起,图表示学习成为了近几年机器学习领域最热门的方向之一。本次报告中,我首先简要介绍图表示学习和图神经网络的基础和应用,以及他们的发展历程。接着探讨图神经网络的一些理论基础,包括普理论,网络表示能力等。然后讨论图神经网络所面临的挑战,例如过平滑,大图训练,样本/结构不平衡等问题,汇报当前这些问题的一些研究进展以及对未来工作的展望。

 

 

 

 

 

 

 

 

 

四、会议流程(20231216号)

08:30-08:35 领导致辞(bat365官网登录入口)

08:35-08:40 开幕致辞(CSIG机器视觉专委会)

08:40-09:25 主题报告:金连文教授

09:25-10:10 主题报告:魏云超教授

10:10-10:25 茶歇

10:25-11:10 主题报告:雷  娜教授

11:10-11:55 主题报告:郭  斌教授

 

14:00-14:45 主题报告:林宙辰教授

14:45-15:30 主题报告:石  川教授

15:30-15:45 茶歇

15:45-16:30 主题报告:魏哲巍教授

16:30-17:15 主题报告:张长青教授

17:15-18:00 主题报告:黄增峰教授

18:00-18:05 闭幕致辞(CSIG文档图像分析与识别专委会)

 

 

五、联系方式

承办方联系人: 王老师18344939872 shipingwangphd@163.com

主办方联系人:

上一篇
下一篇