【CCF-CV特别活动】“CCF-腾讯犀牛鸟沙龙”走进腾讯优图

中国计算机学会计算机视觉专委会走进企业系列交流会

CCF-CV@Industry

腾讯优图·上海

主题：图像识别和多媒体分析技术前沿

时间：2016年5月13日（星期五）

14:00-17:00

地点：上海市徐汇区田林路397号

腾云大厦1119培训教室

活动召集人：

王亮博士，中国科学院自动化研究所，中国计算机学会计算机视觉专委会，秘书长

黄飞跃博士，腾讯优图研发中心总监，腾讯T4专家。

报名方式：邮件发送下表回执信息至amymyang@tencent.com，请于5月11日前将参会回执回复至上述邮箱，邮件主题请注明“CCF-腾讯犀牛鸟沙龙参会回执”（注：名额有限，报名从速，最终参加活动人员名单以邮件通知为准）

参会回执

参加方式：免费参加，敬请光临。

CCF-腾讯犀牛鸟基金简介

2013年，腾讯与中国计算机学会（CCF）联合发布面向青年学者的“犀牛鸟科研基金“。由腾讯公司提出产业实际问题，组织公司、学界专家进行评审，支持助力青年学者开展与产业结合的前沿研究。2014年增设“犀牛鸟创意基金”重点支持和奖励在专利上有输出贡献的青年教师。2013-2015年基金共计支持55项科研基金，36项创意基金。2016年，基金聚焦“互联网+跨学科”、“社交大数据”、“人工智能”、“虚拟现实”等方向，引入“腾讯云”平台支持，并持续提供“创意基金”作为“科研基金”的补充。

特邀嘉宾介绍

题目：多媒体数据舆情分析

提要：从社交媒体中获取针对热点事件的情绪在众多应用场合中扮演者重要角色。近年来，伴随着社交网络中的多媒体数据呈现爆炸式增长，从新兴的多媒体数据中提取舆情信息不仅有重大的应用价值，也有着全新的研究挑战。在本报告中，我将介绍厦门大学媒体分析与计算研究组近年来在多媒体舆情分析方面的进展，包括视觉舆情分析检测器组、跨媒体舆情分类预测模型、以及针对GIF动画的情绪分析等。

演讲嘉宾简介：

纪荣嵘，福建省闽江学者特聘教授，厦门大学教授、博士生导师。毕业于哈尔滨工业大学获博士学位，2010年至2013年于美国哥伦比亚大学担任博士后研究员。目前任职于厦门大学信息科学与技术学院智能科学与技术系，担任信息学院院长助理、智能多媒体技术实验室主任。主要研究方向为大数据搜索与分析，共发表ACM\IEEE汇刊30余篇、CCF A类国际会议长文40篇，Google Scholar引用2000余次，SCI他引560余次，5篇论文入选SCI高被引论文，1篇论文曾入选SCI热点论文。获2007年微软学者奖、2011年ACMMultimedia最佳论文奖、2015年省自然科学二等奖、教育部技术发明二等奖等，担任包括PLOS ONE、Neurocomputing、ACM Trans. on Intelligent Systems and Technology、IEEE Multimedia Magazine在内的十余个SCI国际期刊的副编辑与客座编辑。获2014年国家自然科学基金优秀青年基金。

Title: Advances onImage Forensics

Abstract: Withthe increasingly development of computer science, the phenomenon aboutmultimedia tampering and semantic misunderstanding is emerging and attracting. Digitalimages are now easily edited or modified by many software (e.g. PhotoShop). Thetampered region may change the semantic content of images and generate somesocial effects. The faked images often fool the machine, even the human being. Ourresearch interests focus on digital forensics, which means to detect theauthenticity of the digital media intellectually and localize the tamperingregion. I will introduce our new works and discuss the future trends on digitalforensics.

Brief Bio:

Rongrong Ni received the B.S. degree and the Ph.D. degreefrom Beijing Jiaotong University (BJTU), Beijing, China, in 1998, and 2005,respectively. Since 2005, she has been the faculty of the School of Computerand Information Technology and the Institute of Information Science, BJTU,where she is a Professor since 2013. Her current research interests includeimage processing, data hiding and digital forensics, pattern recognition, andcomputer vision. She was selected in the Beijing Science and Technology StarsProjects in 2008, and was awarded the Jeme Tien Yow Special Prize in Scienceand Technology in 2009. She is the Principal Investigator of three projectsfunded by the Natural Science Foundation of China. She has participated in the973 Program, the 863 Program, and international projects. She has publishedmore than 80 papers in academic journals and conferences, and holds sixnational patents.

题目：NaturalScene Statistics based No-reference Image Quality Assessment

摘要：Existing blind image quality assessment(BIQA) methods are mostly opinion-aware. Such opinion-aware methods, however,require a large amount of training samples with associated human subjectivescores and of a variety of distortion types. The BIQA models learned byopinion-aware methods often have weak generalization capability, herebylimiting their usability in practice. By comparison, opinion-unaware methods donot need human subjective scores for training, and thus have greater potentialfor good generalization capability. Unfortunately, thus far no opinion-unawareBIQA method has shown consistently better quality prediction accuracy than opinion-awaremethods. Here we aim to develop an opinion-unaware BIQA method that can competewith, and perhaps outperform existing opinion-aware methods. By integratingnatural image statistics features derived from multiple cues, we learn amultivariate Gaussian model of image patches from a collection of pristinenatural images. Using the learned multivariate Gaussian model, aBhattacharyya-like distance is used to measure the quality of each image patch,then an overall quality score is obtained by average pooling. The proposed BIQAmethod does not need any distorted sample images nor subjective quality scoresfor training, yet extensive experiments demonstrate its superiorquality-prediction performance to state-of-the-art opinion-aware BIQA methods.

演讲嘉宾简介：

张林博士现为同济大学软件学院副教授、IEEESenior Member。他曾于2003年和2006年在上海交通大学计算机科学与技术系分别获得学士和硕士学位。曾任职于 Microsoft和Autodesk公司。2008年3月至中国香港理工大学攻读博士学位，导师为张磊教授。2011年8月加入同济大学。主要研究领域包括生物特征识别和多媒体质量评价。他以第一作者身份已在IEEE TPAMI、IEEE TIP、IEEETMM、PR、IVC、Neurocomputing等期刊上发表论文14篇。根据Google Scholar统计，截至目前，其所发表论文总的被引用次数已逾2000次；其中，4篇论文入选ESI论文。其论文“FSIM:A feature similarity index for image quality assessment, IEEE Trans. ImageProcessing, 20 (8) 2378-2386, 2011”为IEEE TIP自2011年以来所有发表论文中被引用次数最高的论文。其论文“Onlinefinger-knuckle-print verification for personal authentication, PatternRecognition, 43 (7) 2560-2571, 2010”曾获PatternRecognition杂志最佳论文提名。其论文“3D ear identification usingLC-KSVD and local histograms of surface types”获得ICME2015最佳论文提名。他于2013年入选上海市浦江人才计划。

题目：人脸视觉识别研究进展

摘要：近三年来，深度学习方法在人脸识别等视觉任务中得到广泛应用，大大推进了视觉技术的实用化。本报告简要介绍一下本研究小组在人脸分析和识别方面研究进展：1）单样本人脸深度学习方法。从人脸的单个图像出发，生成多姿态多光照图像进行深度神经网络训练提高识别率；2）弱监督人脸深度学习方法。从关键词图像搜索结果自动获得海量的图像，鲁棒的深度学习算法获得接近人工标注图像训练的识别精度；3）细颗粒度人脸认证数据库。当认证系统的入侵者与用户具有相似的长相时，深度学习算法和人类操作者都有很高的错误率；4）真实世界人脸表情数据库。人脸的真实表情与当前学术界使用的标准定义有很大的偏差和方差。

演讲嘉宾简介：

邓伟洪，北京邮电大学副教授，博士生导师。2004年7月获得北京邮电大学信息工程专业工学学士学位，2010年1月获得北京邮电大学信号与信息处理专业工学博士学位（论文题目：高精度人脸识别算法研究，获得2011年度北京市优秀博士学位论文奖）。主要研究方向是以人脸识别为代表的计算机视觉与模式识别理论和方法，近年来在包括PAMI、PR、CVPR、SIGIR在内的国际一流期刊和会议上发表论文60余篇。作为项目负责人主持多项图像识别方向的国家自然科学基金项目和企业委托开发项目，担任国际期刊Image and Visual Computing的客座编辑，10余个国际学术期刊（IEEE TPAMI / TIP / TIFS / TNNLS / TMM / TSMC, IJCV, PR / PRL等）的审稿人，国际学术会议（ICME / ICASSP / ICPR / FG）程序委员会委员，在CVPR /ICME / ACCV / FG等主要国际会议上做人脸识别主题的Tutorial报告，先后入选北京邮电大学青年骨干教师计划，北京市高等学校青年英才计划，教育部“新世纪优秀人才”计划，北京市“科技新星”计划等。

题目：Single Image Crowd Counting with Multi-Column CNNs

摘要：Our work aims at accuratelyestimating the crowd count from an individual image with arbitrary crowddensity and arbitrary perspective. To this end, we have proposed a simple buteffective Multi-column Convolutional Neural Network (MCNN) architecture to mapthe image to its crowd density map. The proposed MCNN allows the input image tobe of arbitrary size or resolution. By utilizing filters with receptive fieldsof different sizes, the features learned by each column CNN are adaptive tovariations in people/head size due to perspective effect or image resolution.Furthermore, the true density map is computed accurately based ongeometry-adaptive kernels which do not need to know the perspective map of theinput image. Extensive experimental results demonstrate the effectiveness ofour MCNN for crowd counting task.

演讲嘉宾简介：

高盛华，上海科技大学助理教授、研究员、博导。2008年本科毕业于中国科学技术大学。2012博士毕业于新加坡南洋理工大学。随后从2012年6月至2014年8月在伊利诺伊大学新加坡高等研究院做研究科学家，并在2014年加入上海科技大学信息学院。在2015年1月到6月在加州大学伯克利分校担任访问教授。迄今为止，在IEEE TPAMI,IJCV, IEEE TIP,CVPR,AAAI等国际计算机视觉领域顶级会议和期刊发表30余篇，在包括ACCV’2014和VCIP’2015在内的国际计算机视觉著名国际会议上多次开设专题讲座（Tutorial），并积极参与国际国内会议的筹办，如担任ACCV’2014特征和相似度学习研讨会主席，CCF RACV’2016本地主席。高盛华入选2015年国家青年千人计划，并于2010年获得微软亚洲研究院颁发的该年度新加坡地区唯一的微软学者奖, 2015年ACM上海新星奖提名奖。现主持项目有国家自然科学基金青年基金，上海市浦江人才计划，上海市优秀学术带头人计划（重点培养对象）等。

题目：拷问深度学习：从工业界的视角看深度学习的缺陷

摘要：近年来，神经网络与深度学习的突破性进展带动了AI领域一波又一波的研究和应用浪潮。机器学习的经典领域如图像识别、人脸识别、语音识别、自然语言处理，几乎逢学习问题必上深度学习，不懂这个概念都不好意思跟同行打招呼有木有。然而热浪背后的理性思考也许才真正有助于技术发展。深度学习真的一劳永逸地解决所有实际问题了吗？它还有哪些不为广大人民群众喜闻乐见的阴暗面？

本演讲将从工业化应用的视角为您一一揭示深度学习的软肋。

演讲嘉宾简介：

郭晓威，腾讯优图图像理解与深度学习团队技术负责人。2007年硕士毕业于中山大学信息与计算科学专业，模式识别方向。2011年入职腾讯。主要研究方向为图像分类、匹配及检索、人脸分析与识别、文档图像分析及OCR等机器学习领域，具备丰富的工业界机器学习及海量数据处理经验。业务安全领域，曾主导研发过图片过滤的图像DNA比对系统、基于深度学习的内容鉴黄系统，两者已在QQ空间、微信等平台图片安全业务中应用，日均处理数据十亿量级。应用研发领域，主导设计的人脸深度学习模型Deep-UFACE识别率打破LFW世界记录，已应用在微众人像核身、优图会议签到等多项产品线中。此外，主导研发的图像多标签分类、物体定位等技术在Pascal Voc、ImageNet等权威数据库上也多有佳绩。

题目：音乐信息检索系统在腾讯业务中的应用和进展

摘要：随着音乐曲库的越来越庞大以及歌曲信息来源的多样化，对曲库规范化的需求越来越强烈；同时，用户的音乐需求越来越多元化，传统的通过关键字检索音乐的方法已无法满足用户的需求，改善用户体验既是赢得用户的机会也是一个挑战。在本报告中，我将介绍腾讯优图在音乐信息检索领域的进展，包括原声识别、哼唱识别、歌词对齐、原声消伴、假midi制作等。

演讲嘉宾简介：

李科，腾讯优图音频团队技术负责人。2011年硕士毕业于上海交通大学自动化系，模式识别专业。2012年入职腾讯。主要研究方向为人脸分析与识别、音乐信息检索、声纹识别等领域，具备丰富的工业界机器学习及海量数据处理经验。音频研发领域，主导设计了千万级别曲库规模的音乐原声检索系统和百万级别曲库规模的哼唱识别系统，成功应用在QQ音乐的听歌识曲功能中，并且在MIREX2015上取得哼唱识别世界第一的成绩。人脸识别领域，开发的人脸检测系统于2014年在FDDB上世界第一的成绩，成功应用于QQ空间、微众人脸核身、优图会议签到等十多个产品中。