学术报告一

报告题目：3D Reconstruction for Object Modeling and Scene Analysis

报告人：查红彬 教授

单位：北京大学

报告时间：2016年12月25日（周日）上午08:50～09:50

报告地点：学术会议中心二楼小报告厅

报告摘要：3D reconstruction is an important field in computer vision, and results accumulated in the field have found wide applications in virtual reality, creative media design, and robotics. But nevertheless, we still face great challenges when we try to use the techniques in modeling both objects with complex structures or large-scale scenes. The major difficulties come from several constraints in traditional approaches, including ambiguity and uncertainty inherent in the reconstruction algorithms, limitation on viewpoint movements, occlusion of objects, and low-resolutions of available 3D data. In the talk, I will introduce some newly developed methods aiming to solve the problems by making good use of imaging geometry principles and fusion of data from different sensors. Main topics include: reconstruction from silhouettes from a camera system with two planar mirrors; depth image super-resolution based on similarity-aware patchwork assembly. I also will report results from an application of such 3D digitization techniques in heritage documentation, mainly for grotto objects and scenes.

报告人简介：Hong bin Zha received PhD degree in electrical engineering from Kyushu University, Japan, in 1990. After working as a research associate at Kyushu Institute of Technology, he joined Kyushu University in 1991 as an associate professor. He was also a visiting professor in the Centre for Vision, Speech, and Signal Processing, Surrey University, Unite Kingdom, in 1999. Since 2000, he has been a professor at the Key Lab on Machine Perception (MOE), Peking University, China.

His research interests include computer vision, pattern recognition, and human-machine interactions. He has published more than 300 technical publications in journals, books, and international conference proceedings. He received the Franklin V. Taylor Award from the IEEE Systems, Man, and Cybernetics Society in 1999, and Best Paper Awards in Euromed 2010.

学术报告二

报告题目：距离度量深度学习及其在行人再识别问题中的应用

报告人：王进军 教授

单位：西安交通大学

报告时间：2016年12月25日（周日）上午09:50～10:50

报告地点：学术会议中心二楼小报告厅

报告摘要：行人再识别主要解决不同场景中相同行人的关联问题，受观察视角、背景杂波、光照条件、相互遮挡等外在因素的影响，同一行人在不同场景中的特征可能存在很大的差异，因此使得行人再识别成为了视频监控领域中一个非常具有挑战性的难题。为了解决这个问题，我们在深度学习的框架下提出了一个系列端到端的行人再识别的算法，例如点到点、点到集合、集合到集合的距离度量学习方法。为了学习到更加稳健和更具有判别型的特征，我们设计了几组新型的浅层神经网络模型，这些结构中包含了分块策略、特征融合、残差控制等技术，使得模型不但更加容易训练，而且具有很高的测试精度。点到点的距离度量算法旨在最大化正样本对与负样本对之间的相对距离，使得正负样本对在特征空间中存在一个设定的安全距离。 它解决了在三元架构中，传统算法不能够对称地反传梯度的问题，因而极大了提高了行人再识别的精度。点到集合的距离度量算法将一个样本和一个样本集合当作优化对象，在神经网络模型的训练过程中不断地优化样本到样本集合边界的距离，最终使得同类样本之间的距离小于异类样本之间距离。集合到集合的距离度量算法直接优化样本集合与样本集合之间的边界距离，促使同类样本在特征空间中紧密聚集，异类样本在特征空间中相互远离。大量在公开数据集（VIPeR, i-LIDS, 3DPeS, CUHK01, CUHK03, PRID2011 和 Market1501）上的测试结果表明，我们提出的这些方法已经取得了业内领先的结果。

报告人简介：王进军教授，是多媒体计算与模式识别领域非常活跃的青年学者，长期在海内外知名大学及国际一流科研机构从事研究工作。他在图像特征向量优化、复杂场景下的多目标检测与跟踪、多模态体育视频复杂场景分析、图像分辨率增强、时间序列信号分析等研究方向上提出了多项创新的理论方法与关键技术方案，成为许多后续研究的理论扩充及比较对象。王进军教授编写英文著作1部，在国际知名学术期刊TIP、T-MM、T-ITS、PR和顶级国际会议CVPR、ECCV、MM等上发表学术论文50余篇，代表性论文被他引超过2700多次，单篇最高他引超过1200次，已获授权美国发明专利14项。基于上述研究成果，王进军教授获得2项NEC公司奖和1项微软亚洲奖。王进军教授作为主要成员帮助其所在团队在图像视频领域最具影响力的国际比赛TRECVID Event Detection（2009）和PASCAL VOC（2009）中获得冠军。

学术报告三

报告题目：数字图书馆的持续发展

报告人：牛振东 教授

单位：北京理工大学

报告时间：2016年12月25日（周日）上午10:50～11:50

报告地点：学术会议中心二楼小报告厅

报告摘要：数字图书馆是计算机和网络技术发展的必然产物，报告将重点介绍数字图书馆的智能化发展及其对教育科研的影响，包括：数字在图书馆的产生、数字图书馆的基本特征、数字图书馆的持续发展、新技术对数字图书馆的影响、数字图书馆持续发展对教育和科研的影响。

报告人简介：牛振东，北京理工大学计算机学院教授、博士生导师、副院长,兼任“北京理工大学-悉尼科技大学数据挖掘与服务技术联合研究中心”联合主任、匹兹堡大学信息学院兼职教授、中国索引学会副理事长、国家基础教育资源共建共享联盟副主席等学术职务。历任邮电部数据局工程师、匹兹堡大学LRDC博士后、卡内基梅隆大学计算机学院研究员和兼职研究员、中国数字图书馆公司技术总监、北京理工大学软件学院教授、博士生导师、副院长等。主要研究海量数字资源组织管理、数据挖掘、智能在线教育与学生评价模型、软件体系结构，近年承担包括973 课题、国家自然基金项目等在内的国家课题十多项，主持研究开发多项教育技术成果并在“国家基础教育网格”等国家工程应用。在国际顶级学术期刊和国际主流会议发表论文80多篇。获IBM全球高校教师创新奖励、教育部新世纪优秀人才计划、北京市教育成果一等奖等奖励。

太阳集团tyc5997