2019年4月20日，“CSIG图像图形中国行”活动在重庆大学成功举办。本次活动由拉斯维加斯手机娱乐网站 主办，重庆大学微电子与通信工程学院承办，张磊研究员为执行主席。会议邀请中国科学院自动化研究所孙哲南研究员、华中科技大学刘文予教授、大连理工大学信息与通信工程学院李培华教授、清华大学黄高助理教授以及国防科技大学电子科学学院郭裕兰博士作报告。同时出席本次会议的有重庆大学微电子与通信工程学院副院长谭晓衡教授和重庆市生物感知与智能信息处理重点实验室主任田逢春教授等。本次会议吸引了多所高校师生以及社会其他相关领域科技工作者150余人参会，积极推动了图像图形学科的普及，加强了各高校研究所以及企业间的交流。

张磊研究员主持

重庆大学微电子与通信工程学院副院长谭晓衡教授致辞

        来自中国科学院自动化研究所的孙哲南研究员首先作报告，报告题目为“生物特征识别研究进展”。作为计算机视觉和模式识别学科前沿方向，孙教授首先介绍了生物特征识别的相关概念，之后介绍了其学术团队在虹膜识别和人脸识别领域的最新研究进展，并指出生物特征识别仍然存在的科学问题和技术挑战。

孙哲南教授作报告

        来自华中科技大学的刘文予教授的报告题目是“基于弱监督学习的物体检测”。传统的深度学习物体检测需要使用有详细物体位置和类别标注的图像数据进行训练，然而标注大量数据无疑是费时费力的。刘教授结合其团队的工作，介绍深度区域学习算法以实现基于多示例学习的弱监督物体检测网络。该网络使用基于示例空间的多示例学习方法将候选区域分类结果进行聚合，使得网络可以直接使用图像级别标注作为训练目标；介绍一系列弱监督物体检测解决方案，并探索了弱监督物体检测在图像分类中的应用。

刘文予教授作报告

        来自大连理工大学信息与通信工程学院的李培华教授的报告题目是“深度卷积神经网络中的高阶统计建模：理论及应用”。李教授先向我们剖析了目前常见卷积网络的缺陷所在，即只能建模高层卷积特征的一阶统计特性，无法建模特征之间的二阶或更高阶的交互关系。接着向我们介绍了高阶统计建模的含义、目的和意义，基于全局协方差矩阵和概率分布建模的深度卷积网络模型，以及基于全局近似高阶池化的深度卷积网络模型，最后介绍高阶统计建模深度卷积网络模型在行为识别、视觉问答、风格转换和迁移学习等领域的应用。

李培华教授作报告

        来自清华大学的黄高助理教授的报告题目是“面向快速推理的神经网络结构”。黄教授介绍深度学习以及卷积神经网络的基本原理，以及前沿的网络结构和算法，包括其提出的密集连接的卷积网络模型(DenseNet)、灵活的图卷积以及多尺度密集网络等工作。这些网络改变了传统神经网络的逐层连接方式，将网络拓展成二维立体的全连接模式。这些结构具有鲁棒性好、泛化性能高、易于收敛以及参数利用效率高等优点。同时还介绍了他们在自适应推理方面的研究思想，与人的认知模式相结合，旨在建立快速的推理神经网络模型。

黄高助理教授作报告

        来自国防科技大学电子科学学院郭裕兰博士的报告题目是“双目深度估计与图像超分辨”。相比于二维图像，三维点云包含了更加丰富的几何、形状和结构信息，从而为场景感知与理解提供了更多可能。在这次报告中，郭裕兰博士首先介绍其研究组在双目成像方面的近期进展，包括双目深度估计和双目图像超分辨。接着，介绍在三维目标识别与点云语义分割方面的近期工作。

郭裕兰博士作报告

        在报告会结束后，在座的校内外学生和老师们纷纷向五位专家提出自己科研方面的问题，专家们也对这些提问做出了详尽的回答，大家获益匪浅。

活动现场

        此次CSIG图象图形中国行系列报告持续了三个多小时，报告内容精彩，互动热烈，高潮迭起。“CSIG图像图形中国行”重庆大学站取得了圆满的成功。

部分参会人员合影