報告題目：大規模圖像的多粒度目標檢測

報告人：程明明教授（南開大學）

報告時間：2021年12月3日（星期五）上午9:00-10:30

會議地點：計算機科學與技術學院教學C510

內容簡介：從圖像中快速準確地獲取目標信息是計算機視覺的核心任務。魯棒的目標檢測與信息提取需要對不同粒度的信息進行高效的整合。本報告從多層次卷積特征融合、基于短連接的多尺度融合與深度監督、基于分層遞進殘差設計的層內多尺度特征表達、時序多層次信息提取、霍夫空間度尺度檢測、多模型高效融合、多圖像聯系分析等角度入手，系統地介紹南開大學媒體計算團隊在邊緣檢測、顯著性物體檢測、圖像分類、語義分割、物體檢測、關鍵點估計、視頻動作分割，語義線檢測、行人計數、年齡估計、圖像超分辨率等領域的最新研究進展。同時，本次報告也將從實例、圖像、以及整個數據集三個粒度出發，對大規模圖像集合進行聯合分析，以減少圖像理解算法對大規模精確標注的依賴。

報告人簡介：程明明，南開大學教授，計算機系主任，國家“萬人計劃”青拔、“優青”。他的主要研究方向是計算機視覺和計算機圖形學，在SCI一區/CCF A類國際期刊和會議上發表學術論文100余篇，論文Google學術引用2萬余次，一作論文單篇最高引用4000余次，連續5年入選Elsevier中國高被引學者榜單。技術成果被應用于華為手機智能拍照、推想科技CT影像智能分析、金風科技風電設備運行監控、和中化農業病蟲害識別等領域。獲得ACM中國新星獎、天津市青年科技獎、吳文俊人工智能自然科學二等獎、中國圖象圖形學學會自然科學一等獎、教育部自然科學一等獎等獎項。現為中國圖象圖形學學會副秘書長，天津市人工智能學會副理事長，并擔任SCI一區期刊IEEE TPAMI和IEEE TIP編委。

相關論文：

[1] Res2Net: A New Multi-scale Backbone Architecture, IEEE TPAMI 2021

[2] MS-TCN++: Multi-Stage Temporal Convolutional Network for Action Segmentation, IEEE TPAMI 2021

[3] Ordered or Orderless: A Revisit for Video based Person Re-Identification, IEEE TPAMI, 2021.

[4] Deep Hough Transform for Semantic Line Detection, IEEE TPAMI， 2021.

[5] Nonlinear Regression via Deep Negative Correlation Learning, IEEE TPAMI 2021

[6] Leveraging Instance-, Image- and Dataset-Level Information for Weakly Supervised Instance Segmentation, IEEE TPAMI 2021

（審核：計算機科學與技術學院 閆凡雷）

計算機科學與技術學院/軟件學院
 2021年11月30日