主办单位：
中国自动化学会模式识别与机器智能专委会
中国人工智能学会模式识别专委会
广西人工智能学会
广西大学
承办单位：
广西大学电气工程学院
广西大学科技处
会议日程
报告时间：2018年11月03日
报告地点：南宁市大学东路100号广西大学东校园第六教学楼六二阶教室
开幕式：（2018年11月03日 上午8:45–9:00）
1. （2018年11月03日 上午9:00–9:50）
鲁棒模式识别的深度原型学习方法
刘成林，中国科学院自动化研究所
2. （2018年11月03日 上午10:00–10:50）
图像语义分割方法研究
桑农，华中科技大学
3. （2018年11月03日 上午11:00–11:50）
行为意图预测分析
郑伟诗，中山大学
报告一
题 目： 鲁棒模式识别的深度原型学习方法
报告人：刘成林 研究员 (中科院自动化研究所副所长、模式识别国家重点实验室主任，中国自动化学会模式识别与机器智能专委会主任，国家杰青，IEEE/IAPR Fellow)
个人简介：
刘成林，中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师。2005年入选中国科学院“百人计划”。2008年获得国家杰出青年科学基金资助。1989年毕业于武汉大学无线电信息工程系，1992年在北京工业大学获电路与系统专业工学硕士学位，1995年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。1996年3月到1997年10月在韩国科学技术院（KAIST）从事博士后研究。1997年11月到1999年3月在日本东京农工大学从事博士后研究。1999年3月到2004年12月在日立中央研究所（东京）先后任研究员和主任研究员。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国际期刊和国际会议上发表论文200余篇，合著英文专著一本。现任国际刊物Pattern Recognition的副主编, Image and Vision Computing, Int. J. Document Analysis andRecognition, Cognitive Computation的编委，国内期刊《自动化学报》的副主编。中国人工智能学会会士、模式识别专委会主任，中国自动化学会理事、模式识别与机器智能专委会主任，中国图象图形学学会常务理事，美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)。
报告摘要：
过去模式分类的研究多数只关心如何提高测试数据的分类正确率（即泛化精度），而对拒识和鲁棒性关注较少。近年来，深度学习方法在模式识别领域取得了巨大的成功，但主流的神经网络模型在小样本泛化性和开放环境鲁棒性等方面都表现出明显不足。本报告首先分析模式识别系统的鲁棒性的内涵，然后从拒识的角度总结几种提高模式识别鲁棒性的方法。模式识别中主要有两类拒识：歧义拒识和异常模式拒识。两种拒识方式针对应用中不同的模式，且采用不同的模型和方法。从提高模式识别鲁棒性的角度，我们对开放类别集、分类器模型、学习算法和置信度估计进行讨论。最后，介绍我们最近提出的一种面向鲁棒模式识别的深度学习方法：卷积原型学习。该方法通过深度卷积神经网络学习具有高判别能力的特征，在特征空间用最近原型分类器进行分类。原型分类器自动具有对异常模式的拒识能力，与特征空间联合学习又能得到很高的分类精度。通过加入最大似然正则，可进一步提高模型的鲁棒性和在小样本训练时的泛化精度。该模型在领域自适应、在线学习、新类别发现等方面有良好潜力。
报告二
题 目：图像语义分割方法研究
报告人：桑农 教授 (华中科技大学自动化学院博导，中国图象图形学学会常务理事)
个人简介：
桑农教授，1990年毕业于华中理工大学计算机软件专业，获工学学士学位，1993年毕业于华中理工大学模式识别与智能控制专业，获工学硕士学位，留校从事教学及科研工作，并于2000年毕业于华中科技大学模式识别与智能系统专业，获工学博士学位，2001年6月至2002年6月为美国加州大学Irvine分校认知科学系博士后。现为华中科技大学自动化学院教授，博士生导师，从事计算机视觉和模式识别等方面的研究工作。研究兴趣包括目标检测与识别、目标跟踪、图像/视频语义分割、监控视频智能处理与分析等。作为项目负责人先后承担了国家自然科学基金重点与面上项目、863计划项目、高分辨率对地观测系统重大专项项目等国家与省部级课题30余项的研究，获得省部级一等奖4项，二等奖5项，三等奖2项，在国内外学术刊物及国际学术会议发表相关研究论文100余篇，申请美国专利2项，已授权1项，申请中国发明专利68项，已授权45项，其中4项专利已转让，2项专利已实施独占许可授权。2005年入选教育部“新世纪优秀人才支持计划”。担任中国图象图形学学会常务理事、中国图象图形学学会成像探测与感知专业委员会副主任委员、中国人工智能学会智能机器人专业委员会副主任委员、中国计算机学会计算机视觉专业委员会委员、中国自动化学会模式识别与机器智能专业委员会委员。
报告摘要：
图像语义分割即给图像中的每个像素赋予不同的语义标签。现有的方法大多都将图像语义分割视为密集预测问题，从而忽视了类内类间关系的建模。同时，由于深度卷积网络在计算机视觉领域取得的巨大成功，大多数方法主要关注于算法的准确率，而忽视了对算法速度的评测，而实际应用场景往往对算法的实时性有所要求。本报告将主要围绕类内类间关系建模和实时性两方面的研究，介绍我们的最新工作。本报告首先介绍了图像语义分割任务的作用及其基本问题，然后针对类内类间关系建模，总结回顾了现有的图像语义分割算法，分析了其存在的问题，介绍了我们最近提出的融入了类内类间关系建模的图像语义分割网络DFN。该网络在不同的语义分割数据集上均达到了领先水平。针对算法实时性问题，我们在综述了现有实时图像语义分割算法的基础上，分析了其中存在的问题，介绍了我们针对实时性提出的双边实时分割网络BiSeNet。该算法将实时图像语义分割算法推到了一个新的高度。
报告三
题 目： 行为意图预测分析
报告人：郑伟诗 教授 (中山大学数据科学与计算机学院，国家优青)
个人简介：
郑伟诗博士，中山大学数据科学与计算机学院教授。他主要面向大规模智能视频监控，展开视频图像信息与信号的处理研究，并开展大规模机器学习的算法和理论研究。他目前的主要研究应用领域是：视频监控下的行人身份识别与行为信息理解。面向大规模监控网络下的行人追踪问题，他在国内外较早和持续十年开展跨视域行人重识别的研究，从光照、遮挡、低分辨率、跨视角变换、跨模态与多模态、开放环境学习、无监督、对抗学习及在线学习等多角度全面展开行人重识别的研究。在行为分析方面，自回国以来，主要面向行为意图识别开展了5年的研究，在多目标交互分析、多源行为信息融合、行为进展预测等方面展开研究。他已发表100余篇主要学术论文，其中70余篇发表在图像识别和模式分类领域IEEE TPAMI、IEEE TIP、IEEE TNN、PR、IEEE TCSVT、IEEE TSMC-B等国际主流权威期刊和ICCV、CVPR、AAAI、IJCAI等计算机学会推荐A类国际学术会议。担任Pattern Recognition等期刊的编委，担任AVSS 2012、ICPR 2018、BMVC 2018 Area Chair/AssociateEditor等。获国家优秀青年科学基金、英国皇家学会牛顿高级学者基金、广东省自然科学杰出青年基金和广东省创新领军人才项目支持。主页：http://isee.sysu.edu.cn/~zhwshi/
报告摘要：
不同于传统的行为识别，行为意图预测分析仅利用部分已观察的视频片段或前期的动作，实现整个视频动作行为或后续动作类别的预测。这次报告将重点介绍我们最近基于视频数据的行为意图预测分析的研究成果。同时，我们也将简要介绍本组与之相关的交互行为分析工作，包括基于模板学习的人物交互行为分析、多通道异质特征数据融合的人物交互行为分析、基于广义相似性函数的人与人交互建模的多人交互行为分析学习模型。
