10月19日下午苏州金鸡湖国际会议中心A105，共邀专家探讨计算机视觉技术的场景解译、人脸识别、人体姿态、视觉内容理解等前沿技术探讨和在智能安防、自动驾驶等智慧城市建设方面的研究成果、发展前景与技术应用展开，从学术与产业角度进行深入探讨。
计算机视觉技术赋能智慧城市
▼
智慧城市写入国家战略，新型智慧城市建设进入快车道。计算机视觉技术可为智慧城市中的公共安全和城市治理、交通、社区、教育、健康医疗、工业互联网等行业应用和服务体系赋能，是整个智慧城市的感知体系。因此，如何让计算机技术的科研与智慧城市的建设有机结合，是一个需要学术界与产业界共同探讨的话题。
论坛将围绕计算机视觉技术的场景解译、人脸识别、人体姿态、视觉内容理解等前沿技术探讨和在智能安防、自动驾驶等智慧城市建设方面的研究成果、发展前景与技术应用展开，从学术与产业角度进行深入探讨。
论坛主席
▼
申省梅
澎思科技首席科学家、新加坡研究院院长。西安电子科技大学电子工程系电子信息工程硕士。申省梅是人工智能和深度学习领域的带头人，前新加坡(松下)研究院副院长，领导超过40人的算法研究团队，累计专利300余项。拥有计算机视觉的全栈技术能力，技术面横跨多个应用领域，在基于深度学习的人脸检测和识别、行人检测和跟踪、行人再识别、车辆识别、自动驾驶、驾驶员行为检测、移动操作机器人等领域均取得了世界顶级成果。2019年3月，宣布加入国内人工智能公司澎思科技，任首席科学家、新加坡研究院院长，致力于监控与安全、智慧城市、自动驾驶、智能机器人以及AI工厂自动化等领域的相关技术研究。
共同主席
▼
陈熙霖
中科院计算技术研究所研究员，IEEEFellow,IAPRFellow,CCF会士。近年来主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。目前是IEEETrans.onMultimedia的AssociateEditor、JournalofVisualCommunicationandImageRepresentation的SeniorAssociateEditor、计算机学报副主编、人工智能与模式识别副主编。先后获得国家自然科学二等奖1项，国家科技进步二等奖4项，合作出版专著1本，在国内外重要刊物和会议上发表论文300多篇。
讲者和报告简介
▼
01.
焦李成基于深度学习的复杂场景解译
▲焦李成
报告摘要
场景解译是目前计算机视觉领域中较为重要的问题，在目前许多实际的图像/影像处理应用场景中，如无人驾驶、增强现实、战场态势感知等，都对场景解译和目标识别的性能提出了较高的要求。传统的基于“特征工程”的处理技术已难以满足现有的需求。人脑信息处理的显著注意、层次化感知和稀疏感知等机制，给复杂场景解译和目标识别带来了新的机遇。本报告围绕深度学习技术，分享团队在场景解译与目标识别方面的研究进展。
报告人简介
焦李成，西安电子科技大学教授、博士生导师。现任西安电子科技大学计算机科学与技术学部主任、智能感知与图像理解教育部重点实验室主任、智能感知与计算国际联合研究中心主任、智能感知与计算国际合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地(“111计划”)主任、教育部科技委学部委员、教育部人工智能科技创新专家组专家、中国人工智能学会副理事长、全国高校人工智能与大数据创新联盟副理事长、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEEGRSS西安分会主席，IEEETGRS副主编、教育部创新团队首席专家，IEEEFellow、IETFellow、首批中国人工智能学会会士、CCF杰出会员，连续五年入选爱思唯尔高被引学者榜单。国务院学位委员会学科评议组成员，人社部博士后管委会评议组专家，曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程(第一、二层次)，陕西省首批“三五人才”第一层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。
02.
李子青人脸识别的未决挑战问题
▲李子青
报告摘要
深度学习技术将人脸识别性能提升了几个数量级，使其获得了广泛应用。但实际应用中，人脸识别系统仍然遇到各种问题，使其性能显著下降，达不到预期效果。本报告讨论人脸识别尚未能很好解决的关键问题，分析原因，提出解决方向。
报告人简介
李子青，西湖大学讲席教授，IEEEFellow。曾任微软亚洲研究院ResearchLead，中科院自动化所模式识别国家重点实验室资深研究员。发表论文400余篇，撰写编写著作9部，GoogleScholar他引36000+次。曾任IEEETPAMI等刊物副主编，担任100余个国际学术会议大会主席、程序主席，或程序委员。作为人脸识别和智能视频监控专家，主持了多个国家科学研究项目和重大应用工程项目，在相关领域获准和申请专利20余项。在微软研发的人脸识别系统EyeCU，比尔.盖茨接受CNN采访为之讲解。负责多项国家项目和国际合作科研项目，研发的人脸识别系统和智能视频监控系统，在多个国家重大安全项目中实施并发挥作用。李子青为SAC/TC100/SC2副主任委员;代表中国国家体撰写了中国第一个ISO/SC37生物识别国际标准工作草案并获采纳，在年会全体会议上作了“BiometricsinChina”(生物特征识别在中国)的主题演讲。
03.
王刚自动驾驶没有免费的午餐
▲王刚
报告摘要
自动驾驶发展到今天，还面临着很多困难。这个分享会讨论如何将自动驾驶分解为简单一点的问题，以及介绍阿里巴巴自动驾驶实验室的平台如何去高效地解决这些问题的。
报告人简介
王刚，阿里巴巴自动驾驶实验室主任、首席科学家。在此之前，王刚为新加坡南洋理工大学终身教授。于2016和2017分别入选美国麻省理工大学技术评论杂志评选的亚洲区和全球的TR35奖。国家千人计划专家，人工智能顶尖期刊IEEETPAMI的编委，顶尖会议如CVPR和ICCV等的领域主席。
04.
冯佳时人体姿态估计技术进展及展望
▲冯佳时
报告摘要
人体姿态估计在很多领域都有着重要应用，包括智能安防，自动驾驶，人机交互以及娱乐。本次报告将介绍基于深度学习的人体姿态估计的最新进展，包括单人、多人以及3D人体姿态估计。此外，本次报告将着重介绍面向解决实际应用挑战(例如复杂场景、计算资源有限)的最新人体姿态估计方法和模型，并将探讨无监督学习在大规模人体姿态估计上的应用。
报告人简介
冯佳时，新加坡国立大学电子与计算机工程系助理教授，新加坡国立大学机器学习与视觉实验室负责人。中国科学技术大学自动化系学士，新加坡国立大学电子与计算机工程系博士。2014-2015年在加州大学伯克利分校人工智能实验室从事博士后研究。研究方向为图像识别、深度学习及面向大数据的鲁棒机器学习。曾获ICCV2015TASK-CV最佳论文奖、2012年ACM多媒体会议最佳技术演示奖，担任ICMR2017技术委员会主席，JMLR、IEEETPAMI、IJCAI等国际知名期刊、会议审稿人，已在计算机视觉、机器学习领域发表论文60余篇。
05.
鲁继文深度强化学习与视觉内容理解
▲鲁继文
报告摘要
深度强化学习是人工智能领域的研究热点，被认为是人类迈向通用人工智能的重要途径之一。深度强化学习通过将深度学习的感知能力与强化学习的决策能力相结合，以端对端的方式实现从原始输入到语义输出的感知与决策，在许多视觉内容理解任务中取得了重要突破。报告将分享清华大学自动化系智能视觉实验室近年来提出的面向视觉内容理解的多个深度强化学习方法，主要包括多智能体深度强化学习、图深度强化学习、和结构化深度强化学习等，以及它们在物体检测与识别、目标跟踪与检索、行为预测与识别等多个视觉内容理解任务中的应用。
报告人简介
鲁继文，清华大学自动化系副教授、博士生导师，主要研究领域为计算机视觉、机器学习、智能机器人。发表IEEE汇刊论文70余篇，CVPR/ICCV/ECCV论文50余篇，论文被引用8200余次。主持承担国家自然科学基金联合重点基金、国家重点研发计划课题等科研项目10余项。担任国际期刊PRLetters主编，T-IP、T-CSVT、T-BIOM、PR和JVCI编委，国际会议ICME2020、AVSS2020和DICTA2019程序委员会主席，CVPR2020、ICIP2017/2018/2019、ICME2015/2017/2018/2019、ICPR2018和WACV2016/2018/2020领域主席。2015年入选中组部青年千人计划，2018年获得国家优秀青年基金项目。
06.
劳世竑中日计算机视觉技术：从人脸识别到自动驾驶的产业化历程
▲劳世竑
报告摘要
计算机视觉技术的一大突破是人脸检测的产业应用。日本的照相机产业率先应用了人脸检测技术，为日后人脸识别技术的发展除去了一道障碍。人脸识别技术的发展经历了半个世纪，直到深度学习的出现才实现产业应用的突破。计算机视觉的另一大应用领域是自动驾驶。深度学习的出现让我们看到了用计算机视觉来实现自动驾驶的可能性。讲者将分享20余年中日两国的技术交流合作经验，人脸检测及人脸识别的产业应用及计算机视觉在自动驾驶领域的应用。
报告人简介
劳世竑，商汤科技副总裁，智能驾驶业务总经理，商汤日本总经理。负责商汤科技的自动驾驶业务以及商汤科技在日本的业务。前日本欧姆龙公司的人脸技术负责人。在欧姆龙工作期间，他领导团队和清华大学合作开发出了以“OKAOVision”著称的世界上第一块商用人脸检测芯片，被各大照相机及手机厂家采用;开发了嵌入式人脸识别技术，被著名手机厂商采用成为世界上第一款有人脸验证功能的智能手机;开发出了世界上第一款用性别年龄推断技术向顾客自动推荐饮料的自动售货机;最早用人脸识别技术实现美颜美白功能，并被主要打印机厂家采用;开发出了世界第一款驾驶员状态识别芯片及系统(DMS)。2009年荣获日本图像处理领域中最权威的SSII”高木奖”。
07.
申省梅视频图像智能化助力智慧安防建设
▲申省梅
报告摘要
预测到了2020年，世界会有超过10亿个视频监控摄像机。如何存储观看大量的视频流，快速理解海量的视频内容?当年摄像机数字化之后，视频图像的压缩(H.264,H.265)减少了传输量也压缩了存储空间;但随着高清的出现，清晰图像的要求，摄像机数目的剧增，视频流数据急剧扩大，带来了全新的挑战。人工智能是否有望进行视频内容上的压缩，提供自动快速理解视频内容的手段，甚至可以做到事前预警，事中处置，事后分析?今天，以计算机视觉技术为主的视频图像智能化正在朝着这个方向发展。本报告将以澎思科技的解决方案为例，阐述视频图像智能化在智慧安防领域的应用。
报告人简介
申省梅，澎思科技首席科学家、新加坡研究院院长。西安电子科技大学电子工程系电子信息工程硕士。申省梅是人工智能和深度学习领域的带头人，前新加坡(松下)研究院副院长，领导超过40人的算法研究团队，累计专利300余项。拥有计算机视觉的全栈技术能力，技术面横跨多个应用领域，在基于深度学习的人脸检测和识别、行人检测和跟踪、行人再识别、车辆识别、自动驾驶、驾驶员行为检测、移动操作机器人等领域均取得了世界顶级成果。2019年3月，宣布加入国内人工智能公司澎思科技，任首席科学家、新加坡研究院院长，致力于监控与安全、智慧城市、自动驾驶、智能机器人以及AI工厂自动化等领域的相关技术研究。
圆桌Panel
后深度学习时代，计算机视觉技术的未来
主持人:陈熙霖
嘉宾：焦李成、李子青、王刚、冯佳时、鲁继文、劳世竑、申省梅
圆桌介绍
受邀嘉宾将就“后深度学习时代，计算机视觉技术的未来”这一主题，从人脸识别、视频结构化、视频解析等技术和智能安防、自动驾驶等行业多角度切入，全方面探讨学术研究成果、技术落地现状、痛点与难点，并分享嘉宾对未来趋势的观点和见解。
转载请注明出处。
