欢迎光临中国图象图形学学会官方网站,让我们一起努力,探索图象图形领域的广袤天地!
首页 > 学会动态 > 活动预告

CSIG图像图形中国行将于6月29日在西北民族大学举办

2019-06-03

一、活动简介

        “CSIG图像图形中国行”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2017年4月起,分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学、西北农林科技大学、佛山科技学院等及深圳、烟台成功举办了20余期,参会人数累计4000余人,受到业界好评。本次“CSIG图像图形中国行”由CSIG文档图像分析与识别专委会与西北民族大学联合承办,交流主题为“文档图像分析与识别前沿论坛”和“图像处理、计算机视觉与机器学习”。


主办:中国图象图形学学会(CSIG)

承办:CSIG文档图像分析与识别专委会、西北民族大学    

时间:2019年6月29日8:30

地点:甘肃省兰州市西北新村1号西北民族大学礼堂三楼学术厅

   

二、执行主席

image.png

王维兰教授

王维兰,西北民族大学二级教授、博导,计算机科学与民族信息技术一流学科负责人。从事图像处理与模式识别、藏文信息处理等方面的教学与研究工作。主持国家自然基金项目5项、省部级科研项目6项;获授权发明专利7项,发表包括SCI、EI学术论文100余篇;获甘肃省科技进步二等奖1项、作为参与人获国家科技进步二等奖两项。CCF高级会员、中国图象图形学学会高级会员、文档图像分析与识别专委会常务委员。2006年评为“甘肃省优秀专家”;入选2014年“国家民委领军人才支持计划人选”;作为带头人,入选2018年国家民委“少数民族数字媒体智能信息处理及应用创新团队”支持计划团队。

image.png

金连文教授

金连文,1968年出生,1991年毕业于中国科技大学无线电系获学士学位,1996年于华南理工大学获博士学位。目前为华南理工大学二级教授,博士生导师,兼任中国图象图形学学会(CSIG)常务理事、CSIG “文档图像分析与识别专委会”主任、CSIG 机器视觉专委会常务委员、CCF计算机视觉专委会委员、中国人工智能学会模式识别专委会委员、中国自动化学会模式识别专委会委员等职。在IEEE TPAIMI、IEEE TNNLS、IEEE TIFS、IEEE TCYB、IEEE TITS、IEEE TMM、IEEE TII、IEEE TCSVT、Pattern Recognition、Pattern Recognition Letter、Information Science、Neurocomputing等SCI期刊发表论文50余篇(其中ESI高引论文4篇),ICDAR、ICFHR、ICPR、CVPR、AAAI、IJCAI等主流国际会议论文100余篇,获得发明专利授权50余项,作为主要成员荣获省部级科技奖励5次,荣获国际学术竞赛第1名4次。


三、特邀专家

image.png

刘成林研究员

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。1989年、1992年、1995年分别在武汉大学、北京工业大学、中国科学院自动化研究所获学士、硕士和博士学位。1996年至2004年先后在韩国科学技术院、日本东京农工大学、日立中央研究所从事博士后和研发工作。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。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的副主编和几个刊物的编委、《自动化学报》副主编。中国人工智能学会会士、模式识别专委会主任,中国自动化学会模式识别与智能系统专委会主任,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)。

主题报告:文档图像版面分析研究进展

报告简介:版面分析是文档图像分析与识别的关键一步。版面分析标记分割出图像中所有的文本区域(段落、文本行、公式等)和非文本区域,便于后续的文本识别和文档内容理解。版面分析方法可分为自上而下的方法和自下而上的方法两大类。自上而下的方法只适合版面简单和规则的文档,而自下而上的方法可用于版面复杂和不规则的文档。近年来,版面分析研究的重点更多地聚焦在复杂版面的手写文档和手写-印刷混合文档,方法主要集中在自下而上的方法,包括基于深度神经网络的方法。本讲座将简要介绍文档版面分析的研究历史,技术概况,然后重点介绍近十年来针对复杂文档的一些主要方法:基于聚类的方法、基于弹性轮廓的方法、基于连通部件分类的方法、基于全卷积神经网络(FCN)的方法等。最后讨论当前遗留的技术问题及未来发展趋势。

image.png

金连文教授

金连文,男,1968年出生,1991年毕业于中国科技大学无线电系获学士学位,1996年于华南理工大学获博士学位。目前为华南理工大学二级教授,博士生导师,兼任中国图象图形学学会(CSIG)常务理事、CSIG 文档图像分析与识别专委会主任、CSIG 机器视觉专委会常务委员、CCF计算机视觉专委会委员、中国人工智能学会模式识别专委会委员、中国自动化学会模式识别专委会委员等职。在IEEE TPAIMI、IEEE TNNLS、IEEE TIFS、IEEE TCYB、IEEE TITS、IEEE TMM、IEEE TII、IEEE TCSVT、Pattern Recognition、Pattern Recognition Letter、Information Science、Neurocomputing等SCI期刊发表论文50余篇(其中ESI高引论文4篇),ICDAR、ICFHR、ICPR、CVPR、AAAI、IJCAI等主流国际会议论文100余篇,获得发明专利授权50余项,作为主要成员荣获省部级科技奖励5次,荣获国际学术竞赛第1名4次。

主题报告:基于深度学习的文字识别:现状及展望

报告简介:文字作为信息记录、交流与传播的最重要载体,是我们感知这个世界最重要的手段之一。文字识别技术(包括手写文字识别、印刷文档文字识别、场景文字识别等)在图像理解、办公自动化、智慧教育、图像搜索、信息安全、人机交互、智慧金融、文档数字化等诸多领域有非常广阔的应用前景,近年来受到了来自学术界及工业界的越来越多的广泛关注,也是目前人工智能及计算机视觉等相关领域的研究热点问题之一。在此报告中,我将简要介绍深度学习在文字识别领域的应用情况及主要技术现状,具体介绍联机及脱机手写体文字识别、笔迹分析与笔迹鉴别、场景文字检测与识别等方面的主要研究进展及一些典型方法,并对目前存在的问题、技术挑战、及未来发展趋势进行讨论。

image.png

连宙辉副教授

连宙辉,男,1985年出生,北京大学计算机科学技术研究所副教授,中国文字字体设计与研究中心副主任,CSIG/CCF高级会员,研究方向为计算机视觉、计算机图形学、模式识别与人工智能。近年来在国际重要杂志(IJCV, TOG, PR等)与会议(CVPR, IJCAI, AAAI, SIGGRAPH Asia等)上发表论文五十多篇(其中IJCV 3篇,ESI高引论文1篇),申请国家发明专利近20项(已授权6项),中文字库制作生成方面的研究成果已在企业落地,并因此获得2019年北京大学第四届产学研合作奖优秀项目奖一等奖(第一完成人)。个人主页见: http://www.icst.pku.edu.cn/zlian/

主题报告:面向文字的图像图形生成 

报告简介:图像图形生成是计算机图形学、计算机视觉、人工智能领域中的一个研究热点,近年来随着深度学习技术尤其是生成对抗网络的提出、应用与快速发展,该问题吸引了越来越多研究人员的关注,并取得了显著进展。由于文字数量庞大、形状复杂、风格多样、语意丰富,使得面向文字的图像图形生成成为其中最具挑战性的任务之一。本报告将系统概述图像图形生成方向的理论、方法与代表性应用,重点介绍文字图像图形生成子方向的研究现状以及我们团队在汉字字形生成方面的最新研究进展,并对现有面向文字的图像图形生成技术中存在的主要问题和潜在的解决方案进行分析和讨论。 

image.png

朱策教授

朱策,电子科技大学信息与通信学院,长江学者特聘教授,IEEE Fellow,IEEE两个学会(CASS和BTS)的杰出讲座人(Distinguished Lecturer)。长期致力于视频图像处理的教学与研究工作。先后担任了8个SCI国际学术期刊编委(其中5个为IEEE期刊,如IEEE Transactions on Image Processing、IEEE Transactions on Circuits and Systems for Video Technology),担任了多个国际学术会议程序委员会主席,包括IEEE ICME 2017的程序委员会共同主席(TPC Co-Chair)并荣获杰出领导奖(Outstanding Leadership Award)。2017及2018年度连续入选爱思唯尔(Elsevier)中国高被引学者(Chinese Most Cited Researchers)榜单。更多信息请参见主页http://www.avc2-lab.net/~eczhu

主题报告:基于深度学习的图像有序性估计

报告简介:图像有序性估计是一个经典和富有挑战性的问题,有着广泛的应用,比如年龄估计、美学估计、颜值打分、图像质量评估等。近几年随着深度学习的广泛应用,该问题呈现了什么样的特点和挑战、在哪些应用场景得到进一步的发展?本报告将围绕以上问题讨论我们最近的一些工作。

image.png

孔祥维教授

孔祥维,现任浙江大学大学教授、博导,浙江大学网络空间国际治理国家研究基地学术带头人,国家自然科学基金委科研创新研究群体骨干成员、教育部创新团队学术骨干成员,美国普渡大学访问学者,美国纽约大学高级研究科学家。发展了人工智能与数据分析、数字媒体计算和安全,智能决策半实物仿真等方向的理论、方法和系统。承担国家973、863计划项目、国家自然科学基金重大重点项目、总装预研和重大型号项目、国家发改委项目、中国通用技术研究院项目等60余项科研课题,取得了一批有重要学术意义和实用的研究成果。发表200余篇期刊和会议学术论文,获得授权国家发明专利15项,出版专著和教材5部。获得多项科研奖励,其中包括国家科技进步二等奖,部级科技进步一等奖、辽宁省科技进步二等奖2项、部级科技进步三等奖、辽宁省档案局优秀科技成果特等奖、亚洲CT科研十大进展奖等奖励。担任中国图象图形学学会常务理事、学术工委副主任、女工委副主任,中国电子学会多媒体安全专委会副主任,中国系统工程学会智能制造系统工程专委会委员。担任国家科技奖励评审专家、科技部人才推进计划评审专家、教育部科技奖励评审专家、国家科技部重大研发计划评审专家、国家重点研发计划项目组咨询专家等。

主题报告:人工智能安全

报告简介:人工智能已在多个领域取得了突破性的进展,成为引领未来的战略性技术。与此同时,人工智能这个被公认为对世界带来深刻变化的颠覆性技术,给人类带来的安全挑战不容忽视。报告探讨了人工智能技术进步对国家安全的潜在影响,针对人工智能应用的典型决策情景,从人工智能本身存在安全问题和人工智能产生的安全问题等角度进行了介绍,分析了对抗样本,伪造媒体等人工智能带来的新挑战和一些解决方案。

image.png

乔宇研究员

乔宇,中国科学院深圳先进技术研究院,研究员,中科院深圳先进技术研究院数字所所长,广东省机器视觉与虚拟现实重点实验室常务副主任。入选科技部中青年科技创新领军人才、是广东省特支计划科技创新领军人才、深圳鹏程学者长期特聘教授。从事计算机视觉、深度学习和机器人等领域的研究,已在包括PAMI,T-IP,IJCV,CVPR, ICCV,ECCV,AAAI等重要国际会议和期刊上发表学术论文150余篇,多次在ChaLearn, LSun, ActivityNet, EmotionW等国际评测中取得第一,获ImageNet 2016场景分类任务第二名。主持科技部重点研发计划课题,国家自然科学基金联合基金重点项目、中国科学院国际合作重点,粤港合作等项目。曾获中国科学院卢嘉锡青年人才奖。担任IEEE ICIST 2014国际会议程序委员会主席。

个人主页见: http://mmlab.siat.ac.cn/yuqiao/

主题报告:复杂行为视频的深度表征与识别方法

报告简介:视频的分析和理解是计算机视觉的一个基本问题,在监控、人机交互、视频检索、网路媒体等领域有重要的应用。与图像相比,视频包含有丰富的运动信息,数据维度也更高,非受控条件下的复杂视频的分析和理解一直是一个极具挑战的问题。近年来,以3D卷积网络为代表的深度学习方法在复杂视频的识别中取得巨大进展,但仍面临众多挑战。在这个报告中,我们将介绍该领域的最新进展特别是深圳先进院多媒体课题组近年来开展的一些工作。内容包括视频特征编码、中层表示、轨迹卷积特征池化、运动向量CNN、时序分割模型、时空注意模型等。我们的方法曾在公开多类别数据库UCF101, HMDB51上取得了领先的识别率,在ActivityNet 16, ChaLearn等国际竞赛中取得第一。我们还将讨论当前方法所面临的挑战与发展趋势。

image.png

黄开竹教授

黄开竹,西交利物浦大学电气与电子工程系主任、教授、英国利物浦大学博导、英国斯特林大学客座教授。创立了苏州市认知计算与应用技术实验室,并兼任实验室主任。于1997年于西安交大获学士学位、2000年获得中国科学院自动化所硕士学位、2004年获得香港中文大学计算机科学与工程博士学位。2011年获得亚太神经网络学会青年科学家奖, 2014年获苏州市高等院校、科研院所紧缺高层次人才奖。于2004年12月至2012年9月分别在富士通研究中心、香港中文大学、英国布里斯托尔大学、中科院模式识别国家重点实验室任职。主要研究兴趣是机器学习、人工智能和模式识别。目前担任三个国际著名杂志高级副主编或副主编,他出版1本机器学习英文专著,8本英文编著,拥有8项专利。迄今发表140余篇学术论文,其中60多篇SCI论文,含IEEE-TPAMI, IEEE-TIP,IEEE-TNNLS,IEEE-T Cybernetics, JMLR等国际顶级期刊论文。在多个国际著名会议上如AAAI、IJCAI、ICML、NIPS、ICLR担任组织工作或PC,并受邀在数十个国际会议和论坛上做主题报告和讲习报告。

个人主页见: http://www.premilab.com/KaizhuHUANG.ashx

主题报告:对抗样本学习基础、理论及应用

报告简介:对抗样本是当前机器学习尤其是深度学习的一个研究热点。 合理的利用对抗样本可有效地增加深度学习和模式识别系统的鲁棒性,并提升识别性能。本报告里,我们将首先介绍对抗样本的基本原理,回顾对抗样本的研究现状,并提出一种在统一的对抗样本学习框架,并对目前鲁棒学习中存在的主要问题、及未来发展趋势进行讨论。


四、会议流程

        8:30-9:00 会议签到

        9:00-9:15 校领导致辞

        9:15-9:20 合影

        GSIG图像图形中国行-文档图像分析与识别前沿论坛

        09:20-10:05 主题报告:刘成林研究员

        10:05-10:50 主题报告:金连文教授

        11:10-11:55 主题报告:连宙辉副教授

        CSIG图像图形中国行-图像处理、计算机视觉与机器学习

        14:30-15:15 主题报告:朱策教授

        15:15-16:00 主题报告:孔祥维教授

        16:20-17:05 主题报告:乔宇研究员

        17:05-17:55 主题报告:黄开竹教授

 

五、联系方式

        承办方联系人:

        蔡正琦:电话13893496461;QQ:471063343;邮件:caizhengqi@126.com  

        郝玉胜:电话18152023686;QQ:787305757;邮件:787305757@QQ.com

        主办方联系人:

        黄英英:电话 010-82544661; 邮件:membership@csig.org.cn

 image.png

 本次会议免费,请扫描二维码报名参加