新闻中心
通知公告当前位置: 首页 -> 新闻中心 -> 通知公告 -> 正文
2018图像处理与智能计算前沿技术青年学者论坛
发布时间:2018/04/08  浏览次数: 次  来源:龙8国际pt客户端

中国计算机学会青年计算机科技论坛

CCF Young Computer Scientists & Engineers Forum

CCF YOCSEF西安

雾失楼台,月迷津渡,迷途导航无图像处理怎可?与强者切磋求提高

烟笼寒水,夜罩危楼,陌路指南缺人工智能那行?向高手学习共进步

2018图像处理与智能计算前沿技术青年学者论坛

2018414日(周六)830-18:00

西安理工大学金花校区学科2号楼龙8国际dt客户端厅

敬请光临

面对国外图像处理及人工智能的深度发展,为追踪图像处理前沿技术的研究与发展状况,促进国内图像科学技术的繁荣和发展,2018图像处理与智能计算前沿技术青年学者论坛将于2018414日在西安理工大学金花校区学科2号楼龙8国际dt客户端厅举行。

此次论坛邀请了国内外多所大学的优秀青年学者,包括西北工业大学夏勇博士(国家“青年千人”)、西北工业大学郭斌博士(国家“万人计划”青年拔尖人才),西安电子科技大学公茂果博士(“国家高层次人才特殊支持计划”中组部青年拔尖人才),西交大钱学明博士(微软学者,陕西省优秀博士论文获得者),天津大学张长青博士(北洋青年学者,北卡罗列纳大学教堂山分校博士后研究员),陕西科技大学雷涛博士(陕西省“百人计划”),南京理工大学贾修一博士(ESI高被引论文入选者),江南大学王骏博士(江苏省高等学校自然科学一等奖获得者)、南京邮电大学陈蕾博士(江苏省研究生优秀毕业论文获得者)及西安理工大学赵金伟博士。拟围绕图像处理、模式识别与机器学习等研究领域前沿技术进行研讨交流。

会议议程安排

414号上午

08:00-08:30   签到

08:30-09:00   介绍来宾、院领导致辞

09:00-09:10   论坛合影

09:10-09:50   主题报告一:基于学习的新闻摘要和配图挑选(钱学明,西安交通大学)

09:50-10:30   主题报告二:Multi-label Nonlinear Matrix Completion with Transductive Multi-task Feature Selection for Joint MGMT and IDH1 Status Prediction of Patient with High-Grade Gliomas陈蕾,南京邮电大学)

10:30-10:40  茶歇

10:40-11:20  主题报告三:从群体感知到群智计算(郭斌,西北工业大学)

11:20-12:00  主题报告四:基于相关性的多标记和标记分布学习(贾修一,南京理工大学)

12:00-13:30  午餐

13:50-14:30  主题报告五:快速图像分割及其应用 (雷涛,陕西科技大学)

14:30-15:10  主题报告六:Multitask Diagnosis for Autism Spectrum Disorder Using Multi-modality Features (王骏,江南大学)

15:10-15:15   茶歇

15:15-15:55  主题报告七:医学图像分析中的深度学习技术 (夏勇,西北工业大学)

15:55-16:35  主题报告八:Infant Brain Development Prediction with Latent Partial Multi-View Representation Learning (张长青,天津大学)

16:35-17:00  主题报告九: How to improve the interpretability of kernel learning (赵金伟,西安理工大学)

17:00-17:40  主题报告十:基于计算智能的学习与优化 (公茂果,西安电子科技大学)

17:40-18:10  青年新秀研究展示

18:20-20:20  晚餐

论坛特邀荣誉主席:

潘志庚(阿里巴巴商学院、陕西百人学者)

    席:

黑新宏(西安理工大学)          

执行主席:

金海燕(西安理工大学)

   祝继华(西安交通大学)

论坛交流主持:

潘志庚(阿里巴巴商学院、陕西百人学者)

祝继华(西安交通大学)

金海燕(西安理工大学)

论坛组织及服务:  

石争浩(西安理工大学)

参加人员:西安各高校计算机相关学院教师、学生

    :中国计算机学会 CCF YOCSEF 西安

    :西安理工大学计算机学院

    办:西安交通大学软件学院

       

嘉宾介绍

夏勇,男,西北工业大学教授、博导,分别于200120042007年从西北工业大学计算机学院获得学士、硕士和博士学位;20071月加盟悉尼大学信息技术学院生物医学与多媒体技术(BMIT)实验室开展博士后研究,2013年入选国家“青年千人”计划,并于同年底回到西北工业大学计算机学院工作,现为西工大计算机学院多学科交叉计算研究中心(CMCC)执行主任;现主持国家自然基金面上项目两项,发表学术论文愈百篇;担任中国计算机学会青工委委员、中国图象图形学学会视觉大数据专委会常委和中国体视学学会图像分析分会常委等;现为IEEE-TMIIEEE-TIP等多个学术期刊审稿人,并担任MICCAI-MCV 2015/2016MICCAI-DLMIA2017ISBI 2017ACM MM2018等多个国际会议的TCPSession Chair

报告内容:近年来,深度学习技术得到了迅速发展和广泛关注,并且在图像分类、人脸识别、语音识别、机器翻译和自然语言理解等领域取得了巨大的成功。深度学习的成功,不仅在于它使用统一的模型实现对数据的表示学习和分类识别,从而避免了对经验的过度依赖,也在于它可以使用庞大的训练数据集进行学习。但是,对于医学图像分析而言,可以用于训练规模的数据集往往都比较有限。本报告将探讨在医学图像“小数据”上进行深度学习研究所面临的挑战,也将介绍报告人在应用深度学习技术进行医学图像分析的经验和体会。 

公茂果,西安电子科技大学二级教授,博士生导师,计算智能研究中心主任,校学术委员会委员,陕西省重点科技创新团队负责人,国家重点研发计划项目首席。

1999年起在西安电子科技大学攻读学士和博士学位,2006年留校工作,任助教、讲师,2008年破格晋升副教授,2010年破格晋升教授、博士生导师。

主要研究方向为计算智能理论及其在数据与影像分析中的应用。主持国家重点研发计划、国家863计划、国家自然科学基金等十余项课题,发表SCI检索论文100余篇,被引用6000余次,入选中国高被引学者,授权国家发明专利20余项,获2013年国家自然科学奖二等奖和2016年教育部自然科学奖二等奖。

担任《IEEE Transactions on Evolutionary Computation(一区,IF: 10.629)、《IEEE Transactions on Neural Networks and Learning Systems(一区,IF: 6.108)等期刊副编/编委,IEEE计算智能学会Task Force on Collaborative Learning and Optimization主席、Task Force on Memetic Computing 副主席,第十/十一届BIC-TA等学术会议主席,中国人工智能学会理事等。

曾获"国家高层次人才特殊支持计划"中组部青年拔尖人才、国家优秀青年科学基金、霍英东青年教师奖、教育部新世纪优秀人才等。

报告内容:大数据背景下,高效处理海量、高维、动态数据的迫切需求对以冯·诺伊曼架构为基础的信息处理手段提出了挑战。以深度学习和演化优化为代表的计算智能方法可以为大数据处理提供有效的途径,近年来成为前沿和热点研究领域。学习和优化是计算智能中密切相关的两类问题。一方面,很多学习问题可以建模为优化问题,需要设计高效的优化方法求解。另一方面,很多优化问题的求解需要用到问题特定的知识,从而需要在优化过程中引入学习技术获取知识指导优化搜索。本报告将对计算智能中的协作学习与优化理论及方法进行探讨,介绍最近取得的一些研究进展。

 郭斌,工学博士,西北工业大学计算机学院教授/博导,计算机系统与微电子系主任。20093月在日本庆应大学获得博士学位,2009-2011年在法国国立电信学院进行博士后研究。入选教育部新世纪优秀人才(2012)、陕西省青年科技新星(2014)、国家“万人计划”青年拔尖人才(2016)。

主要从事群智感知和大数据智能方面研究。在国内外重要期刊和会议如IEEE TMC, IEEE THMS, IEEE TITS, ACM TKDD, ACM Computing Surveys, IEEE Comm. Surveys and Tutorials, UbiComp, INFOCOM等上面发表学术论文100余篇,,三篇第一作者论文入选ESI热点及高被引论文。曾获得教育部自然科学二等奖(排名3),获IEEE UIC’17等国际会议“最佳论文奖”5次。担任《IEEE Transactions on Human Machine Systems,IEEE Communications Magazine,ACM Transactions on Intelligent Systems and Technology,IEEE Internet of Things》等国际权威期刊编委或客座编辑,以及IEEE UIC’15, IEEE CPSCom’16等多个重要国际会议程序主席等职务。IEEE/CCF高级会员。

报告内容:“移动群体感知”(Mobile Crowd Sensing)作为一种新的感知模式近年来成为国际前沿研究热点,在参与者评估优选、参与者激励机制、弱网络环境下数据传输等方面都取得了较多创新成果。本报告介绍移动群体感知的一个新的研究方向——群智计算,利用跨不同空间社群贡献的具有差异、互补、富内容特性的数据实现对感知目标的全景刻画。将阐述其概念、研究挑战及模型方法,并结合我们近期开展的研究开展研讨。

钱学明,博士, 教授,博导,2004.9-2008.1在西安交通大学攻读博士学位,于20083月获得西安交通大学博士学位。入选2006 年微软学者,2010微软“铸星计划”,2011年获陕西省优秀博士论文。IEEE会员,中国计算机学会委员,中国图像图形学会专委会委员,计算机学会多媒体专委会委员。国家自然科学基金委通信评议委员,奥地利国家基金外籍评审人,陕西省创业创新大赛评委,科技部重大专项评委。期刊KSII副主编,担任国际会议MMM15ICME14MMSP15等分会主席。申请专利20余项,发表论文100余篇。研究方向:网络媒体分析,图像视频分析与检索。相关的研究在腾讯、中车等企业有成功的应用。

    报告内容:随着智能终端的涌现,移动互联互的发展,网络媒体和自媒体内容在网络上以爆炸的速度增加,如何有效的对网络媒体内容进行自动的摘要和编辑能够给用户带来极大的便利。本报告以新浪微博中媒体汇总和腾讯新闻自动配图挑选为例来展示基于人工智能在该领域的研究进展。

雷涛,工学博士,陕西科技大学电气与信息工程学院教授/博导。201112月获西北工业大学信息与通信工程专业博士学位,2012-2014年在西北工业大学电子信息学院从事博士后工作,2015-2016年在悉尼科技大学进行访学研究,20177-201710月在伦敦布鲁内尔大学进行访学研究。入选陕西省青年百人计划(2016)。

主要从事图像处理及机器学习方面的研究。在国内外重要期刊和会议如IEEE TFS, IEEE Access, Information Sciences, Signal Processing, Science China Information Sciences, ICIP, FG等期刊及会议发表学术论文50余篇。主持国家自然科学基金3项,中国博士后科学基金特别资助1项,中国博士后基金面上项目2项。曾获得甘肃省高等学校自然科学优秀成果一等奖(排名第1)。

报告内容:图像分割是一个传统且具有挑战性的研究课题,其应用已经涉及到智能交通、智慧医疗、对地观测、工业监测等多个领域。尽管国内外学者已经提出大量的图像分割算法,然而迄今为止,尚未找到一种通用的图像分割模型能完成不同图像的分割任务。随着近年来人工智能及大数据的快速发展,对图像分割的实时性要求也越来越高,本报告将围绕快速图像分割问题,介绍当前主流的图像分割模型,分析不同模型的优缺点,结合我们的研究成果,重点探讨基于聚类的图像分割以及基于图的图像分割。

张长青,工学博士,美国北卡罗来纳大学教堂山分校博士后研究员,天津大学“北洋”青年学者, IEEE会员,CCF会员,国家自然科学基金委同行评议专家。

主要研究方向为机器学习、计算机视觉、图像分析与理解等。在机器学习与计算机视觉国际会议和期刊上发表论文30余篇,其中CVPRICCVAAAICCF A类会议以及IEEE T-IP/IEEE T-NNLS/IEEE T-CYB/IEEE T-CSVT等权威期刊近20篇。担任CCCV 2017CCML 2017IJCAI 2017AAAI 2017IJCAI 2018等会议的程序委员会成员,担任CCML 2017本地组织主席,国际期刊IEEE T-IP, IEEE T-NNLS, IEEE T-CYB等多个权威杂志审稿人。主持国家自然科学基金1项,国家重点专项子课题1项。

报告内容The early postnatal period witnesses rapid and dynamic brain development. However, the relationship between brain anatomical structure and cognitive ability is still unknown. There is no explicit model to characterize this relationship in literature. In this paper, we try to explore this relationship by investigating the mapping between morphological features of cerebral cortex and cognitive scores, where the morphological features are used to measure brain anatomical structure and the cognitive scores are the reflection of cognitive ability. For this goal, we introduce a multi-view multi-task learning approach to intuitively explore complementary information from different time-points and handle the missing data simultaneously. Accordingly, we establish a novel model termed as Latent Partial Multi-View Representation Learning. The approach regards data of different time-points as different views, and constructs a latent representation to capture the complementary information from different and even incomplete time-points. It uncovers the latent representation, which is used to jointly learn a prediction model. This explores the complementarity, reduces effectually the redundancy of different views, and improves the accuracy of prediction. The minimization problem is solved by the Alternating Direction Method of Multipliers (ADMM). Experimental results on synthetic and real data validate the proposed method.

贾修一,博士,南京理工大学龙8国际客户端登录副教授。任中国人工智能学会粒计算与知识发现专委会委员、机器学习专委会通讯委员,CCF高级会员,IEEE会员,IRSS会员等。主要研究方向包括粒计算与不确定性分析、机器学习、数据挖掘等。发表学术论文40余篇,3篇入选ESI高被引论文,主持国家面上、青年及省级基金项目多项,参与型号项目、国防基础预研重点项目等。

    报告内容:多标记学习广泛存在于现实生活中,是当今机器学习领域的研究热点之一。在多标记学习框架中,每个对象由一个示例构成但可能同时属于多个类别标记,并且各个标记之间相互关联。本报告主要汇报我们在AAAI-18上的工作,对于多标记学习和标记分布学习两种范式,研究标记之间的相关性,设计相应算法,提高学习精度。对于多标记学习,我们设计了一种快速频繁项集挖掘算法,并提出了基于全局关联规则挖掘和局部关联规则挖掘的多标记分类算法;对于标记分布学习,我们提出了基于全局标记相关和局部样本相关的标记分布学习算法。和现有算法相比,在各项评测指标上,我们提出的算法都能取得较好的效果。

王骏;博士,副教授,中国计算机学会高级会员,IEEE会员。研究方向为机器学习、模糊系统建模、医学图像分析等。近年来在包括《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Cybernetics》、《Human Brain Mapping》、《Pattern Recognition》、《Information Sciences》、《Neural Networks》、《软件学报》、《计算机学报》、《自动化学报》等在内的国内外权威期刊发表论文50余篇。主持或参与包括国家自然科学基金项目、863项目子课题项目、江苏省自然科学基金、教育部中央高校基本科研专项资金重点资助项目、新世纪优秀人才支撑计划项目在内的各类纵向项目累计10余项。20101月至20106月在香港理工大学电子计算学系从事合作研究;20161月至20178月在美国北卡罗莱纳大学教堂山分校(UNC at Chapel HillBiomedical Research Imaging Center从事基于医学图像的儿童自闭症诊断的国际合作研究。于2016年获江苏省高校科研成果自然科学一等奖。

报告内容Autism spectrum disorder (ASD) is a neurodevelopment disease characterized by impairment of social interaction, language, behavior and cognitive functions. Up to now, many imaging-based methods for ASD classification have been developed. A lot of recent works, however, are limited to single imaging centers. Besides, these methods ignore the fact that ASD is an age- and sex- related neurodevelopmental disorder. To this end, we propose two methods for computer-aided ASD classification. In the first work, we develop a novel multi-modality multi-center classification method M3CC. We treat the classification of each imaging center as one task. By introducing the task-task and modality-modality regularizations, we solve the classification for all imaging centers simultaneously. Meanwhile, the optimal feature selection and the modeling of the discriminant functions can be jointly conducted for highly accurate diagnosis. We further propose a novel sparse multi-view task-centralized (Sparse-MVTC) ensemble ASD classification method based on age-sex groups using different functional connectivities. Our experiments on the ABIDE database show that our methods can significantly improve the performance and efficiency of ASD classification. 

陈蕾,男,博士,副教授,美国北卡教堂山分校公派访问学者。目前主要从事的研究方向包括神经网络与模式识别、机器学习及其在医学影像分析中的应用等。作为项目负责人主持在研国家电网横向科研项目、江苏省自然科学基金面上项目、江苏省高校自然科学研究面上项目、中国博士后基金项目和江苏省博士后基金项目各一项,同时以主要参与者身份参加过国家重点基础研究发展规划(973)项目、国家自然科学基金项目以及国家高技术研究发展计划(军口863)项目等10余项国家级及省部级科研项目。近年来先后在IEEE TMIIEEE/ACM TONIEEE TVTNeurocomputing、《计算机学报》、《软件学报》、《通信学报》、《中国通信》等国内外期刊及国际学术会议MICCAI’2017INFOCOM’2013INFOCOM’2015PAKDD’2014IEEE SOSE’2010等发表学术论文30余篇,申请发明专利10余项,授权6项。

     报告内容MGMT promoter methylation and IDH1 mutation in high-grade gliomas (HGG) have proven to be the two important molecular indicators associated with better prognosis. Traditionally, the statuses of MGMT and IDH1 are obtained via surgical biopsy, which has limited their wider clinical implementation. Accurate presurgical prediction of their statuses based on preoperative multimodal neuroimaging is of great clinical value towards better treatment plan. Currently, the available dataset associated with this study has several challenging issues, such as small sample size and complex nonlinear (image) feature-to- (molecular) label relationship. To address these issues, we propose a novel Multi-label Nonlinear Matrix Completion (MNMC) model to jointly predict both MGMT and IDH1 statuses. Extensive results demonstrate that our proposed method outperforms the previously widely used single- and multi-task machine learning methods. This study also shows the promise of utilizing imaging-derived connectome for HGG prognosis in a non-invasive manner.

赵金伟,工学博士,龙8国际pt客户端副教授。201212月在西安交通大学获得博士学位。主要从事机器学习与数据挖掘研究。近年来在包括Pattern RecognitionInformation SciencesICDM等在内的国内外权威期刊与会议发表论文10余篇。主持包括国家自然科学基金面上项目、陕西省自然科学基金面上项目、教育部博士点基金等在内的各类纵向、横向课题累计10余项,申请并授权国家发明专利3项。于2017年获陕西省高等学校科学技术一等奖。IEEE/CCF/ACM会员。

    报告内容:如何实现计算机与人之间真正的交互学习?如何提高学习机器自我纠错能力,避免训练数据中不必要的偏差导致灾难的学习系统?如何通过失败的预测结果检查自身的决策过程,特别是针对复杂的学习任务?如何对周围世界建立一个能够捕捉因果关系的学习模型,通过学习获得因果关系,从而让机器能够预测在某些假定条件下什么会发生,即使这些条件与以往经历过的条件有明显的不同?如何才能真正全面(或全局)把握模型的泛化性能?随着大数据加速科学研究模式的变革,科学研究正在从过去的假设驱动型向数据驱动型转化,如何通过对大数据的分析挖掘,从中发现新的自然现象和自然规律?然而,种种这些目前都只是过眼烟云,可望而不可及。究其原因,在于机器学习得到的学习模型以及训练学习模型的过程不为人类所理解,还不为我们目前所掌握的知识库所覆盖。学习模型的可解释性能,通常被看作人类模仿性(human simulatability)。如果人类可以在合适时间内采用输入数据和模型参数,经过每个可解释的计算步骤,做出预测,则该模型就具备这种模仿性,即可解释性能(Lipton 2016)。其关键问题是如何保证学习模型尽可能地与可解释性的描述相符,而不损失泛化性能,即在学习模型的训练过程中,不但要考虑泛化性能还需要考虑学习模型与领域知识之间的偏差。本报告主要汇报我们在这方面的工作。

会议地址:西安理工大学金花校区学科2号楼龙8国际dt客户端厅

驾车路线:西安理工大学金花校区北门进,右拐即到

乘坐地铁: 三号线长乐门站下,建国饭店出口向南走200米右拐200米走北门进即到

           三号线咸宁路站下,沿二环向北走200米,从东门进,到学科二号楼

报名邮箱:362743337@qq.com

报名电话:18182446869

联系人:  石争浩(18182446869       

打印本页 | 关闭窗口
[上一篇]:中国高校计算机大赛—微信小程序应用开发赛暨首届大学生微信小程序应用开发大赛
[下一篇]:计算机学院复试(一志愿和调剂生)流程具体安排