2024年1月13日，由中国图象图形学学会主办、中国图象图形学学会青年工作委员会和南开大学计算机学院承办的第17期珠峰论坛“智能感知计算与学习”专题研讨会活动在南开大学津南校区计算机学院523会议室成功举办。

图 1 会议合影

本次活动出席的嘉宾有中国科学院自动化研究所李国齐研究员、国防科技大学刘新旺教授、中山大学任文琦副教授。南开大学计算机学院杨巨峰教授、侯淇彬副教授主持本次会议。

图 2 李国齐研究员作报告

中国科学院自动化研究所李国齐研究员的报告题目是“类脑计算智能”。李国齐研究员在报告中从经典和广义两个方面介绍了类脑计算智能的概念和定义，并重点介绍了类脑脉冲神经网络。他将脉冲神经网络与人工神经网络从信息流、计算特征、精度和能效等方面进行了对比，指出类脑脉冲神经网络模型有着更低功耗的特点。随后李国齐研究员介绍了在脉冲神经网络方面的三个工作，分别针对脉冲神经网络的不可导性、梯度消失/爆炸和如何训练一个更深的网络的问题进行研究。在脉冲神经网络的部署方面，李国齐研究员介绍了SpikingJelly开源训练框架，以及感算一体异步芯片和算法软硬件一体化协同。最后，李国齐研究员总结了近几年脉冲神经网络的发展并指出以脉冲神经网络为代表的类脑架构是实现低功耗计算的重要途径。

图 3 刘新旺教授作报告

国防科技大学刘新旺教授做了题为“新型多视图聚类分析”的报告。刘新旺教授首先介绍了聚类的定义和特点。为了解决单一特征无法充分描述样本的问题，机器学习界常使用多核聚类方法。刘新旺教授以经典的多核K均值聚类（MKKM）为例，介绍了多核聚类方法的具体优化思路以及近十年来研究人员为改进MKKM所做的努力。系统性地分享了团队针对MKKM所进行的三个改进方案，包括SimpleMKKM、局部化的SimpleMKKM以及无参数的局部化SimpleMKKM。最后，刘新旺教授对报告进行总结归纳，并对未来的研究进行展望。他表示，未来关于聚类方法的研究将更加关注安全隐私、通信效率以及异构性等方面。

图 4 任文琦副教授作报告

中山大学任文琦副教授的线上报告题目是“图像增强及退化目标检测”。 针对当前图像增强过程中存在的重建过程欠解释和底层高层难对齐的问题，任文琦副教授介绍了团队的相关工作。在重建过程欠解释方面，介绍了团队在图像增强中引入可解释先验正则化的相关工作，包括像素正则化、图像块正则化和图像结构正则化。在底层高层难对齐方面，以低质量目标增强与检测和伪装目标检测为例，介绍了图像增强如何辅助目标检测这类高层任务实现更好的性能。最后，任文琦副教授指出底层图像处理和高层感知任务的鸿沟问题亟需关注，在公共安全、智慧城市、网安治理等有着更高感知要求的领域，底层增强可用于提高下游感知任务的准确性。

图 5 程明明教授作总结

三位老师的学术报告结束后，程明明教授对本次活动进行了简短的总结，再次感谢了各位专家的精彩报告，通过这次报告，拓宽了我校师生的科研视野与学术思路，对学术发展具有十分重要的意义。

本次活动通过分享与交流，使师生能够了解到计算机视觉领域内的最前沿学术动态，从而加深对整个领域的认识和了解，会议现场师生听众踊跃提问，和专家进行了深入的交流与讨论。本次活动圆满结束。

活动申请

如您想了解或有意申请珠峰论坛活动，欢迎查看活动申请链接并联系青工委秘书处。

珠峰论坛申办细则：https://mp.weixin.qq.com/s/vAXQ6GWdanv8ZQYXOmyjMA