報告一：
報告時間：2019年11月21日（周四）14:00-14:45
報告地點：北辰校區人工智能學院樓（西教一）102報告廳
報告題目：多視圖表示學習及分類：算法及應用
報告嘉賓：張長青
報告簡介：
多視圖學習（multi-view learning）是一種利用多源信息的重要技術。多源、異構特性導致不同視圖之間的關聯復雜且難以預知，甚至領域專家在面對復雜多源信息時也難以有效利用。多視圖學習的核心問題是如何協同利用不同視圖之間的一致性和互補性，準確地發現數據的內在模式以提高數據分析的有效性。報告針對多視圖學習中的基礎問題進行研究，一方面針對多視圖一致性和互補性，探索傳統模型的局限性；另一方面，提出多視圖表示學習完備性，解決多視圖融合的理論保障。
嘉賓簡介：
張長青，工學博士，天津大學碩士生導師，天津大學北洋學者骨干教師。主要研究方向為機器學習、計算機視覺、醫學圖像分析與理解等。2017-2018于美國北卡羅來納大學教堂山分校進行醫學圖像分析研究，在國際會議和期刊上發表論文70余篇，其中CCF- A類會議以及IEEE Trans.期刊（包括IEEE T-PAMI/T-IP/T-NNLS/T-CYB）35篇。多篇論文入選NIPS/CVPR的spotlight和oral論文。主持國家自然科學基金青年項目和面上項目、天津市自然科學基金面上項目。擔任IJCAI、AAAI、CVPR、ICCV等會議的程序委員會成員或審稿人，擔任中國機器學習會議（CCML 2017）本地組織主席，國際期刊IEEE T-PAMI/T-IP/T-NNLS/T-CYB等多個權威雜志審稿人。
報告二：
報告時間：2019年11月21日（周四）14:45-15:30
報告地點：北辰校區人工智能學院樓（西教一）102報告廳
報告題目：網絡表示學習：問題與模型
報告嘉賓：王嘯
報告簡介：
在當今世界，越來越多的網絡被應用在不同的場景之中，而其中的一個共識即是這些網絡數據通常是復雜多樣的。為了有效處理網絡數據，首要的挑戰是網絡數據表示，即如何合適地表示網絡使得后續的模式發現、分析及預測等任務能在時間和空間上有效展開。在這個報告中，我將首先介紹網絡表征學習的背景及基本要求，并從保持網絡結構及性質兩個基本要求出發，討論網絡表示學習中的一系列基本問題，比如保持社區結構的網絡表征學習模型、保持超邊不可分性的超網絡表征學習模型、基于雙層注意力機制的異質圖注意力網絡及保持微觀宏觀動力學性質的時序網絡表示學習模型等。
嘉賓簡介：
王嘯，現任北京郵電大學計算機學院助理教授，曾任清華大學計算機科學與技術系博士后研究員，研究方向為社交網絡分析、數據挖掘與機器學習。天津大學博士，美國圣路易斯華盛頓大學聯合培養博士。近年來，主持國家自然科學青年基金、 CCF-騰訊犀牛鳥科研基金、 北京市重點實驗室主任基金， 并參與多項國家自然科學基金。在人工智能相關頂級會議和期刊上發表論文 40余篇，其中 CCF-A 類或IEEE Transactions（IEEE TKDE/TYCB） 權威期刊論文 近20 篇。 五年內， 以上論文被引用 1000 余次（Google Scholar）。 同時擔任 AAAI、 IJCAI、 KDD、 ACM MM、 CIKM、 ECAI、 PAKDD 等國際會議程序委員會成員或分會主席，國際期刊 IEEE TKDE、 IEEE TYCB、 IEEE TBD、 ACM TIST 等多個權威雜志審稿人。
報告三：
報告時間：2019年11月21日（周四）15:30-16:15
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：基于高階統計建模的深層卷積神經網絡
報告嘉賓：王旗龍
報告簡介：
深層卷積神經網絡架構的演化和快速發展使得眾多計算機視覺、語音以及自然語音處理任務的性能得到了極大提升。但現有主流的深層卷積神經網絡架構均利用一階統計方法對卷積特征進行全局建模，損失了深層卷積特征中大量的有效信息，同時限制了深層卷積神經網絡的表達和泛化能力。針對上述問題，講者提出了多種基于高階統計建模的深層卷積神經網絡，通過高階統計建模建方法和深層卷積神經網絡進行有效結合，顯著提高了深層卷積神經網絡的表達和泛化能力。相關方法在大規模圖像識別，精細粒度分類以及目標檢測等任務展現了出了明顯優勢。
嘉賓簡介：
王旗龍，天津大學智能與計算學部助理教授，2018年畢業于大連理工大學，獲得博士學位，主要研究方向是深度學習，概率分布建模和視頻圖像分析。目前在人工智能領域國際頂級會議CVPR/ICCV/ECCV/NIPS/IJCAI以及IEEE T-PAMI/IEEE T-IP等國際權威期刊發表學術論文30余篇。曾獲得2015年阿里巴巴大規模圖像檢索大賽第二名(2/853)、ICIP2015 Best 10% paper。入選2018年博士后創新人才計劃，獲得國家自然科學基金青年基金以及博士后基金等資助。
報告四：
報告時間：2019年11月21日（周四）16:15-17:00
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：圖像復原問題中深度網絡的應用
報告嘉賓：任冬偉
報告簡介：
在底層圖像復原問題中，現有的深度網絡方法致力于學習退化圖像到清晰圖像的映射。受益于大量的成對仿真數據和越發復雜的網絡結構、訓練策略，現有的深度網絡方法在數據集取得了顯著的指標提升。然而，復雜的訓練策略和網絡結構使得現有方法在訓練和測試兩個階段分別面臨手動參數調節、計算效率受限等問題；仿真數據集的高定量指標往往不等價于實際應用中良好的擴展性能。本次報告將針對圖像去雨和盲去模糊討論如何更好地應用深度網絡解決圖像復原問題。(1) 我們提出了漸進式的去雨網絡，極其簡單的網絡結構和訓練策略取得了顯著優于現有復雜網絡的性能和計算效率。(2) 我們提出了自監督學習的盲去模糊算法，利用兩個深度網絡求解MAP優化問題，從給定的退化圖像學習模糊核和清晰圖像的先驗模型，避免了有監督學習深度網絡擴展性能差的局限。
嘉賓簡介：
任冬偉，天津大學智能與計算學部助理教授。2017年和2018年獲得哈爾濱工業大學和香港理工大學博士學位。研究方向為底層計算機視覺，包括圖像去噪、去模糊、去雨等。在TPAMI、TIP、CVPR、AAAI等國際期刊和會議發表多篇學術論文。
報告五：
報告時間：2019年11月21日（周四）17:00-17:45
報告地點：北辰人工智能學院樓（西教一）102報告廳
報告題目：基于三維人臉先驗知識的人臉圖像復原
報告嘉賓：任文琦
報告簡介：
圖像去模糊在實際生活中有廣泛應用,例如視頻監控、醫學成像等,因此得到廣泛研究。人臉圖像去模糊作為圖像去模糊問題的重要組成，已得到長久發展，然而當前主要的人臉去模糊方法依然集中在均勻去模糊方向。而實際應用中由于相機的非平面內運動，人體運動，姿勢改變等造成實際人臉模糊都是非均勻模糊的。本次報告主要介紹三維人臉重建在人臉去模糊中的應用。通過利用三維人臉清晰先驗知識，指導網絡進行人臉恢復，達到去模糊的效果。另外，本方法也可以進一步應用于人臉的其它恢復應用中，比如人臉圖像超分辨等。
嘉賓簡介：
任文琦，中國科學院信息工程研究所，信息安全國家重點實驗室助理研究員。天津大學-美國加州大學莫賽德分校聯合培養博士。主要研究方向包括圖像去模糊、圖像去霧、超分辨等圖像增強相關問題。在NeurIPS，CVPR，ICCV，ECCV及IJCV/TIP等國際會議及期刊等發表學術論文10余篇。獲得2018年北京市圖象圖形學會優秀博士學位論文獎。
