金莎优惠大厅_金沙优惠自助申请大厅

首页学院概况制度文件教学管理科学研究师资队伍学生工作党建阵地校友之窗English
站内搜索:
首页
 通知公告 
 学院动态 
 学工动态 
 图片文章 
 学术活动 
 留言板 
 资料下载 
 
当前位置: 首页>>学术活动>>正文
 
CCF-MM走进高校-安徽工业大学之系列报告
2021-01-14 08:58  

会议时间:2021年1月16日上午


9:10-9:55

可解释跨媒体分析与推理

王树徽

中国科学院计算技术研究所

参会方式:线上会议,腾讯会议

l会议 ID:464 292 149

l会议密码:202101


   


王树徽,博士,研究员,博士生导师,基金委优青基金获得者,2006年于清华大学获得工学学士学位,2012年7月于中国科学院计算技术研究所获得工学博士学位,2014年10月从中国科学院计算所博士后出站并留所工作,历任助理研究员、副研究员(2015)、研究员(2020)。从事跨媒体理解与知识推理、大数据理论与方法、机器学习等方面的研究,已在诸如IEEE/ACM顶级汇刊TPAMI、TIP、TKDE、TMM、TOMM、TCSVT、TKDD、TIST,以及NeurIPS、ICCV、CVPR、ACM Multimedia、ECCV、SIGMOD、VLDB、AAAI、IJCAI等媒体,视觉、数据科学和人工智能领域的顶级期刊和会议上发表和录用学术论文50余篇,授权国家专利4项。多次担任领域顶级国际会议ACM Multimedia 领域主席,参与ICME、PCM、ICIMCS等国际会议的会议组织工作,并担任TIP、TKDE、TMM、TCSVT、TOMM、ACMMM、NIPS、CVPR、ICCV、AAAI、IJCAI等高水平国际期刊和会议的审稿人。与阿里巴巴、华为、百度等企业保持良好的科研合作关系。

报告摘要:跨媒体呈现出跨模态、跨数据源的复杂关联特性。跨媒体分析推理技术研究拟针对跨媒体数据特点,以多模态人类智能为目标,构建跨模态、跨平台内容的语义贯通机制,并进一步通过问答、交互等方式,实现针对复杂认知目标的不断逼近。然而,现有方法从学习机理、分析过程、推理结果等方面存在难以解释的难题,对在该研究方向上产生变革性突破造成了困难与阻碍。本报告拟针对跨媒体分析推理的可解释性学习目标,提出可解释分析推理的问题定义,并进一步介绍研究组近期的初步研究尝试,包括机理可解释的开放域迁移识别、表征可解释的视频语义理解、过程可解释的视觉问答技术等。基于已有研究结论,以及符号主义与连接主义结合的思想,探讨可解释跨媒体分析推理技术的未来发展趋势。



9:55-10:40

开放环境多媒体内容智能分析

李泽超

南京理工大学

参会方式:线上会议,腾讯会议

l会议 ID:464 292 149

l会议密码:202101


                           


李泽超,南京理工大学计算机科学与工程学院、人工智能学院教授、博士生导师,“社会安全信息感知与系统” 工信部重点实验室副主任,分别于2008年和2013年毕业于中国科学技术大学和中国科学院自动化研究所。研究兴趣主要是媒体智能分析、计算机视觉等。发表ACM/IEEE Transactions或者CCF A类会议论文60余篇;入选2018年度“万人计划”青年拔尖人才等;获得省部级一等奖2项、吴文俊人工智能优秀青年奖、CCF优秀博士论文奖、中科院优秀博士论文奖等;获批国家自然科学基金企业创新发展联合基金重点项目、江苏省杰出青年科学基金等。


报告摘要: 图像视频大数据智能分析与理解在多种实际应用中具有至关重要的作用,比如无人驾驶、网络空间内容安全以及社会公共安全等。然后实际情况下训练数据往往是受限的。为此,我们研究了开放环境下智能图像内容理解问题,主要是半监督和弱监督条件下的图像内容分析,提出了半监督特征学习方法,提出了分析用户信息的张量分解模型以及基于锚体的张量分解模型,高效的融合社交网络图像的多源异质信息,提出了深度协同因子分解模型,将图像和标签映射到统一空间,同时解决图像标注、标签优化、基于内容的图像检索以及标签扩展等多种任务。



10:40-11:25

安全弱监督学习及其应用初探

李宇峰

南京大学


                           


李宇峰,博士,副教授,南京大学软件新技术国家重点实验室。主要从事机器学习、弱监督学习、统计学习等方面的研究。在IEEE TPAMI、IEEE TKDE、JMLR、MLJ、AAAI、IJCAI等国际重要期刊会议发表论文40余篇,Google Scholar引用2500余次,篇均他引40余次。主持或参与国家重点研发计划、基金委重点项目、面上项目、青年项目等10余项。目前为IEEE CIS神经网络技术委员会委员、中国计算机学会人工智能与模式识别专委会委员、中国人工智能学会机器学习专委会委员、江苏省人工智能学会机器学习专委会秘书长。曾获CCF优博、江苏省优博,指导学生获CCML15、CCDM16优秀学生论文奖。担任IEEE BigComp20程序共同主席,ACML19 Tutorial和ACML18 Workshop共同主席等服务;担任《Neural Network》Associate Editor, 《Frontiers of Computer Science》青年编委,《Machine Learning》《Journal of Computer Science and Technology》专刊编委等服务;担任AAAI20/19、IJCAI20/19/17/15、ACML19/18/17等重要国际会议资深程序委员等服务。


报告摘要:弱监督学习是机器学习的重要领域。近年来得到广泛关注,然而不少文献指出其有时工作的效果欠佳,难以直接依赖。弱监督学习的安全性亟待研究解决,本报告将分享:1)安全弱监督学习的一般型框架和理论基础;2)弱监督学习在应对分布失配的安全学习方法;3)安全弱监督学习的初步应用。

关闭窗口

金莎优惠大厅 地址:安徽省马鞍山市马向路安徽工业大学(秀山校区)逸夫楼
电话:0555-2315538, 传真:0555-2315538 邮编:243032