报告题目：大规模图像的多粒度语义提取
报告时间：2020年12月3日星期四 下午4：30
腾讯会议 ID：955 869 968
报告人：程明明 教授 南开大学
报告简介：从图像中快速准确地获取目标信息是计算机视觉的核心任务。鲁棒的提取图像语义信息需要对不同粒度的信息进行高效的整合。本报告从多层次卷积特征融合、基于短连接的多尺度融合与深度监督、基于分层递进残差设计的层内多尺度特征表达、时序多层次信息提取、多模型的高效融合等角度入手，系统地介绍南开大学媒体计算团队在边缘检测、显著性物体检测、图像分类、语义分割、物体检测、关键点估计、视频动作分割，行人计数、年龄估计、图像超分辨率等领域的最新研究进展。同时，本次报告也将从实例、图像、以及整个数据集三个粒度出发，对大规模图像集合进行联合分析，以减少图像理解算法对大规模精确标注的依赖。
讲者介绍：程明明，南开大学教授，计算机系主任，国家“万人计划”青拔。他的主要研究方向是计算机视觉和计算机图形学，在图像场景理解方面取得了多项具有国际影响力的创新性成果，有效地解决了视觉显著性物体检测、弱监督视觉理解、以及智能分析与交互技术中的一些关键问题。在相关领域顶级（CCF A类）国际期刊和会议上发表学术论文60余篇。相关研究成果受到了国内外同行的广泛关注与认可，论文Google Scholar引用1.8万余次，一作论文单篇最高引用3000余次，连续4年入选Elsevier中国高被引学者榜。其显著性物体分割技术被应用于华为公司旗舰手机，并在华为Mate 10发布会上展示。多项技术被普林斯顿大学、布朗大学等国际著名大学的图形学和视觉课程列为课程内容。研究成果被英国《BBC》、德国《明镜周刊》、美国《赫芬顿邮报》等国际媒体撰文报道。
相关论文：
[1] Richer Convolutional Features for Edge Detection, IEEE TPAMI 2019.
[2] Deeply supervised salient object detection with short connections, IEEE TPAMI 2019.
[3] Res2Net: A New Multi-scale Backbone Architecture, IEEE TPAMI 2020.
[4] MS-TCN++: Multi-Stage Temporal Convolutional Network for Action Segmentation, IEEE TPAMI 2020.
[5] Nonlinear Regression via Deep Negative Correlation Learning, IEEE TPAMI 2020.
[6] Leveraging Instance-, Image- and Dataset-Level Information for Weakly Supervised Instance Segmentation, IEEE TPAMI 2020.
[7] Revisiting Video Saliency Prediction in the Deep Learning Era , IEEE TPAMI 2020
[8] Ordered or Orderless: A Revisit for Video based Person Re-Identification, IEEE TPAMI, 2020.
Nonlinear Regression via Deep Negative Correlation Learning, IEEE TPAMI 2020
