主辦：中國圖學學會圖學大數據專委會

承辦：南昌航空大學數學與信息科學學院

時間：2023年11月25日，09:00-12:30

地點：南昌航空大學報告廳C201

聯系人：李波

圖學大數據專委會走進高校2023年南昌航空大學站活動，將于2023年11月25日在南昌航空大學舉行。本次活動邀請了4位相關領域的專家學者，以“圖模型在深度學習中的理解與應用”為主題，進行學術報告，歡迎感興趣的同仁和同學線下參加！

會 議 時 間 安 排

09:00-09:10 領導致歡迎辭

09:10-09:15 圖學大數據專委會介紹

09:15-10:00

特邀講者：吳慶耀 華南理工大學教授

演講題目：少樣本視頻動作與視覺內容理解

10:00-10:45

特邀講者：田勝景 中國礦業大學助理研究員

演講題目：LiDAR點云模態下的目標跟蹤方法研究

10:45-11:00 茶歇

11:00-11:45

特邀講者：朱  旗 南京航空航天大學教授

演講題目：腦網絡智能分析及在腦疾病診斷中的應用

11:45-12:30

特邀講者：李晉江 山東工商學院教授

演講題目：基于深度學習的圖像增強

講 者 信 息

特邀報告1

題  目：少樣本視頻動作與視覺內容理解

摘  要：少樣本視頻動作與視覺內容理解的研究涵蓋了視頻動作識別、視頻動作表征學習、面向姿態變換的動作理解以及視頻內容理解等方面的內容。在視頻動作識別方面，針對傳統方法在處理復雜背景和多人物的動態任務時存在局限性，提出了基于3D骨架點云的視頻暴力識別方法，通過引入骨架注意力網絡解決了稀疏骨架點云動作特征提取和多人物骨架交互的學習問題。 在視頻動作表征學習方面，團隊提到了2D圖像和3D視頻的自監督學習方法，特別關注了3D骨架動作的表示學習問題。兩個創新方案分別是具有運動一致性和連續性的自監督3D骨架動作表示學習和不確定性3D骨架動作自監督表示學習，分別解決了動作一致性、連續性和空間歧義性的問題。 在面向姿態變換的動作理解方面，提出了不配對數據的通用物體姿勢變換網絡，通過高階空間轉換模塊和紋理樣式轉換模塊實現了通用物體的姿態轉換，無需收集成對數據。在視頻內容理解方面，關注CNN模型的“黑盒子”問題，提出了基于內容解耦增強的弱監督語義分割方法，通過前后背景解耦的表達框架和成對學習策略來提高模型的魯棒性。此外，提到了聯合圖增強的自監督對象定位和用于協同分割與檢測的統一transformer框架，分別解決了物體定位和多任務處理的問題。

報告人：吳慶耀

個人簡介：吳慶耀，華南理工大學軟件學院教授、博士生導師，國家級青年人才項目入選者；大數據與智能機器人教育部重點實驗室副主任，廣州市機器人軟件及復雜信息處理重點實驗室主任，深度學習與機器視覺校企聯合實驗室主任，智能音視頻校企聯合實驗室主任；Elsevier期刊Software Impacts副主編、IEEE 電子商務工程國際會議 2021年大會主席及2022年/2023年程序主席，入選2022年美國斯坦福大學發布的全球前2%頂尖科學家榜單；主持國家自然科學基金與廣東省重點領域研發計劃項目。主要從事計算機視覺、數據挖掘、機器人調度決策、多模態金融數據分析理論與應用研究，相關成果發表于CVPR、ICCV、IJCAI、AAAI和TKDE、TNNLS、TIP等CCF-A類會議和期刊。

特邀報告2

題  目：LiDAR點云模態下的目標跟蹤方法研究

摘  要：視覺感知正在歷經一場從2D到3D的技術躍遷。激光雷達（LiDAR） 的三維目標跟蹤是智能化過程中理解與感知復雜動態場景的最重要任務之一。然而,在實際應用場景中，由于路況和天氣環境的復雜多變以及被跟蹤物體形式多樣，當前基于學習的三維點云跟蹤方法在處理這種點云分布變化的場景時仍存在不足。考慮到安全可靠這一重要因素，研究魯棒與域泛化能力較強的點云跟蹤方法能夠切實符合現實要求。本次報告針對實際開放場景中LiDAR點云分布變化的情形，進一步介紹LiDAR點云在復雜天氣、類無關跟蹤等跟蹤方面的進展。

報告人：田勝景

個人簡介：田勝景，中國礦業大學助理研究員。2022年博士畢業于大連理工大學，校優博獲得者，目前主要從事3D視覺等方面的研究工作。在國際權威雜志和學術會議上發表多篇研究論文，包括IEEE TIP、TVCG、TII、TMM。現主持國家自然科學基金青年項目、博后面上項目；參與國家自然科學基金面上和重點項目3項，完成企業橫向課題2項。現為TMM、TII、Information Fusion等期刊審稿人，CCF智能機器人專委會委員。

特邀報告3

題  目：腦網絡智能分析及在腦疾病診斷中的應用

摘  要：腦網絡是表征大腦不同區域之間結構和功能連接的圖模型，對其復雜拓撲信息的挖掘有助于理解大腦不同區域的協作機制，并在腦疾病診斷方面發揮著越來越重要的作用。本報告主要介紹基于腦網絡智能分析在腦疾病診斷中的關鍵問題，包括動態腦網絡分析、多模態腦網絡融合，以及多中心診斷。在動態腦網絡分析上，介紹基于跨窗口結構關系挖掘的腦網絡表征方法，在特征提取的過程中保持腦網絡的拓撲結構。在多模態腦網絡融合上，通過注意力機制提取模態內與模態間的關鍵特征，并嵌入高階關系及對比學習約束以增強特征的鑒別性。在多中心診斷上，同時考慮了不同中心數據的分布差異以及隱私保護問題，通過多中心模型參數聚合提升泛化性且無需傳輸原始腦網絡數據。為提升腦疾病的診斷表現提供了技術支撐，并發現了相關腦網絡生物標志物。

報告人：朱  旗

個人簡介：朱旗，南京航空航天大學計算機科學與技術學院，教授。長期從事人工智能、腦網絡分析以及生物特征識別方面的研究。已發表學術論文100余篇，其中包括IEEE TMI、TIFS、TIP、TCDS、TETCI、TBD、Nature Communications、MICCAI等權威期刊和會議。主持國家自然科學基金3項，江蘇省自然科學基金、國家科技重大專項子課題等項目。中國計算機學會高級會員, 國際期刊IJIG編委，中國計算機學會人工智能與模式識別專委會執行委員，中國圖學學會圖學大數據專委會委員，中國人工智能學會智慧醫療專委會委員。獲省部級科技二等獎1項，深圳市自然科學獎1項，ICGEC國際會議最佳論文獎。

特邀報告4

題  目：基于深度學習的圖像增強

摘  要：基于深度學習的圖像增強是利用神經網絡模型來改善圖像質量、增加細節、降低噪聲等。利用深度學習模型改善圖像的視覺效果，使其更有吸引力。這可能包括增強對比度、調整亮度、改進顏色平衡等。通過學習圖像中的細節信息，使圖像更加清晰。主要介紹以下幾方面工作：圖像去霧、去模糊、低光增強等。

報告人：李晉江

個人簡介：李晉江，男，博士，教授。2010年畢業于山東大學計算機學院獲工學博士學位。2012-2014年在清華大學從事博士后研究工作。目前主要從事可視媒體、機器學習、大數據等方面的綜合研究。獲省級教學成果獎一等獎1項，二等獎1項。主講國家級一流本科課程《操作系統》，參編配套教材2部，入選為國家級規劃教材，獲山東省高等學校優秀教材獎一等獎。主持國家基金面上項目2項、863項目子課題1項。獲山東省科技進步二等獎2項，山東高校優秀科研成果獎一等獎2項。近些年在SCI期刊發表論文50余篇，出版學術專著1部，申請發明專利10余項。山東省優秀碩士生導師，指導研究生獲山東省優秀碩士學位論文3篇，山東計算機學會優秀碩士學位論文5篇，山東省研究生優秀成果獎二等獎2項、三等獎3項，山東省優秀畢業生18人。