2017-计算机视觉专委简报第7期_32页-5mb

报告摘要

文档内容总结

核心内容

本文档主要围绕中国计算机学会计算机视觉专委会（CCF-CV）在2017年开展的一系列学术活动和研究进展，包括走进高校系列报告会、走进企业系列交流会、技术挑战赛和专题论坛征集等内容。文档还涉及张量稀疏性度量的研究进展，以及人物动作分类、多图匹配方法和数据深度聚类分析等领域的最新研究成果。

主要观点

学术交流活动：
- CCF-CV组织了“走进高校”和“走进企业”系列交流活动，旨在促进学术界与工业界之间的互动与合作。
- 这些活动通过邀请专家进行专题报告、产品演示和互动交流，推动了计算机视觉技术的学术研究和产业应用。
技术挑战赛：
- CCF-CV2017设立了多个技术挑战赛，包括基于FPGA的视觉计算、心血管OCT易损斑块识别、遥感图像目标提取等。
- 挑战赛通过设置明确的竞赛题目和规则，鼓励研究者参与，推动技术的创新与应用。
张量稀疏性度量研究：
- 张量稀疏性是高阶数据建模的重要特性，传统方法如CP秩和Tucker秩在刻画稀疏性时存在局限。
- 文档提出了一种新的张量稀疏性度量方法，结合了非零元素数量和低秩约束，具有明确的物理意义和与传统稀疏性度量的一致性。
人物动作分类：
- 静态图像中的人物动作分类是一个复杂任务，涉及整体与局部信息的结合。
- 通过引入语义部件的概念，结合空间结构信息，提升了动作分类的准确性和鲁棒性。
多图匹配方法：
- 图匹配是计算机视觉中的基础性问题，具有广泛应用。
- 文档提出了基于传递一致性的多图匹配方法，解决了多个图结构信息匹配中的挑战，提升了匹配结果的准确性。
数据深度聚类分析：
- 聚类分析是无监督学习的重要方法，尤其适用于高维非线性数据。
- 文档提出了一种基于深度学习的聚类方法，通过表示学习将数据映射到线性可分空间，从而更好地揭示数据结构。

关键信息

1. 走进高校系列报告会

第29期：上海交通大学，邀请了多位专家进行报告，涵盖大规模视觉对象搜索、媒体大数据分析、深度学习及其应用等主题。
第30期：中央民族大学，涉及深度学习、密文域信号处理、网络空间视觉内容理解等。
第31期：武汉大学，聚焦于深度学习与视觉分析、复杂场景中人群行为研究等。
第32期：中山大学，主题包括视觉特征表示、三维场景图像认知等。
预告：2017年6月、7月、9月、10月、11月、12月将分别走进湘潭大学、上海大学、重庆大学、陕西科技大学、公安部三所、南昌航空大学、西安交通大学、同济大学、武汉大学、安徽工业大学、华北电力大学等。

2. 走进企业系列交流会

第十期：走进商汤科技，邀请了多位专家进行技术分享，内容涵盖深度学习、像素级预测、产品应用等。
交流会形式包括企业技术产品展示、专家报告、互动讨论等，旨在促进产学研合作。

3. 技术挑战赛

基于FPGA的视觉计算：
- 竞赛题目包括工业视觉数据的多分类任务和监控场景的行人检测任务。
- 竞赛时间安排从4月中旬至10月14日，分为宣传、训练、比赛和颁奖等阶段。
- 奖项包括一等奖、二等奖、最具潜力奖，以及实习和就业机会。
心血管OCT易损斑块识别：
- 竞赛旨在推动计算机视觉与医疗技术的结合，提高心血管疾病的诊断能力。
- 参赛者需在指定时间内完成任务，并提交结果进行评测。
遥感图像目标提取：
- 竞赛任务为检测遥感图像中的飞机和船舶，并标注其位置。
- 竞赛时间为4月3日至10月14日，涉及训练样本准备、算法调试和结果评测。

4. 专题论坛征集

专题论坛旨在围绕特定主题进行多角度的报告与研讨，提升相关领域的关注度。
每个专题需包含明确的主题、组织者信息、讲者简介、日程安排等。
报名截止时间为2017年7月30日，结果通知时间为2017年8月15日。

5. 张量稀疏性度量

张量稀疏性是高阶数据建模的重要特性，传统方法如CP秩和Tucker秩存在局限。
提出的新张量稀疏性度量结合了非零元素数量和低秩约束，具有明确的物理意义和与传统稀疏性度量的一致性。
该度量已应用于多光谱图像去噪、填充和背景建模等任务，取得了良好的效果。

6. 人物动作分类

人物动作分类涉及动作的全局与局部信息，具有较高的难度。
引入语义部件的概念，通过空间结构信息提升分类性能。
该方法在PASCAL VOC 2012和Stanford-40等数据集上取得了目前最好的分类结果。

7. 多图匹配方法

图匹配是NP难问题，具有广泛应用。
提出了基于传递一致性的多图匹配方法，分别发表于IEEE T-IP和IEEE T-PAMI。
方法包括同步迭代和异步局部更新两种策略，提升了匹配结果的鲁棒性和准确性。

8. 数据深度聚类分析

聚类分析是无监督学习的重要方法，尤其适用于高维非线性数据。
提出的基于深度学习的聚类方法通过表示学习将数据映射到线性可分空间。
该方法在多个领域如数据压缩、图像分割等具有重要意义。

附录信息

赞助商信息：
- 钻石赞助商：天津艾思科尔科技有限公司、北京旷视科技有限公司、商汤科技
- 铂金赞助商：亮风台、广州图普
- 金牌赞助商：英伟达、合肥赛景、平安科技、赛灵思
- 银牌赞助商：数字绿土、智慧眼
- 铜牌赞助商：银河水滴、图漾、亚马逊、云识图、中科智谷
讲习班与论坛：
- 讲习班主席：林宙辰（北京大学）、耿新（东南大学）
- 专题论坛主席：张兆翔（中科院自动化所）、纪荣嵘（厦门大学）
- 报名截止日期：讲习班为2017年6月30日，专题论坛为2017年7月30日
联系方式：
- 走进企业交流会：联系人王瑞平、李实英
- 讲习班建议书：发送至zclin2000@hotmail.com和xgeng@seu.edu.cn
- 专题论坛建议书：发送至zhaoxiang.zhang@ia.ac.cn、rrji@xmu.edu.cn和zszhang@nlpr.ac.cn