人工智能专题

主讲人 : 杨易 教授，悉尼科技大学；孟德宇 教授，西安交通大学； 高陈强 教授，重庆邮电大学

报告题目1：Supervision-by registration: An Unsupervised Approach to Improve the Precision of Facial Landmark Detectors

摘要：we present an unsupervised approach to improve the precision of facial landmark detectors on both images and video. Our key observation is as follows: the detections of the same landmark in adjacent  s should be coherent with registration, i.e., optical flow. Interestingly, this observation is a source of supervision that does not require manual labeling, which tends to be imprecise and inconsistent across time. Therefore, we present supervision-by-registration, which augments the existing detection loss function with a registration loss. This enforces the detector's output to not only be close to the human-made annotations in labeled images, but also consistent with registrations on large amounts of unlabeled videos. End-to-end training with the presented registration loss is made possible by a differentiable Lucas-Kanade operation, which computes optical flow registration in the forward pass, and back-propagates gradients that encourage temporal coherence to the detector. The output of our method is a more precise image- d facial landmark detector, which can still be efficiently applied during test time. Through exploiting supervision from unlabeled video, we demonstrate 1) improvements in facial landmark detection on both images (300W, ALFW) and video (300VW, Youtube-Celebrities), and 2) significant reduction of jittering in video-level detections.

报告题目2：误差建模原理

摘要：传统机器学习主要关注于确定性信息的建模，而在复杂场景下，机器学习方法容易出现对数据噪音的鲁棒性问题，而该鲁棒性问题与误差函数的选择紧密相关。本次报告聚焦于如何针对包含复杂噪音数据进行误差建模的鲁棒机器学习原理。这一原理对在线视频处理、医学图像恢复等问题，已体现出个性化的应用优势，该原理亦有希望能够引导出更多有趣的机器学习相关应用与发现。

报告题目3：红外图像/视频目标检测及智慧校园中的视觉分析

摘要：依靠探测物体热辐射的红外被动成像具有诸多优势，如可全天候成像、探测距离远、受环境光影响相对较小、保护隐私等。此报告将对远距离红外小目标检测任务和红外监控视频中的行为识别与检测任务进行重点介绍。同时，此报告还将介绍讲者在智慧校园中的教室人数分析、课堂学生姿态检测等方面所做的一些研究工作。

---

主讲人简介：

杨易 悉尼科技大学教授，博导。2010年在浙江大学获得博士学位。2011年至2013年在卡内基梅隆大学计算机学院做博士后研究员。2012年获得教育部全国优秀博士论文奖。2013年获得Australia Research Council 颁发的Discover Early Career Researcher Award，2015年获得浙江省自然科学一等奖(排名第四)，2016年获得Google Faculty Research Award, 2017年获得澳大利亚计算机学会评选的ACS Digital Disruptors Awards, Gold Disruptors。杨易教授主要从事人工智能、多媒体和计算机视觉研究，取得了多项具有国际影响力的重要创新性成果。这些成果赢得国际学术界和工业界的广泛关注。杨易教授在国际权威期刊和CCF A类会议发表论文100余篇，其中有11篇为ESI高引论文。引用者包括来自卡内基梅隆大学、斯坦福大学、加州大学伯克利分校、谷歌，微软等顶尖大学和工业研究机构。杨易教授主持或参与开发的系统在多项国际竞赛中获得第一名的成绩。杨易教授关于视频跟踪的研究成果被来自美洲、欧洲、亚洲、大洋洲的 国家和地区的数十家媒体报道,并被美国霍芬顿邮报评为 2013 年 13 大技术创新。

孟德宇 西安交通大学教授，博导。任西安交大大数据算法与分析技术国家工程实验室机器学习教研室负责人。共接收/发表论文80余篇，其中包括IEEE汇刊论文20篇，CCF A类会议论文29篇。曾担任ICML,NIPS等CCF A类会议程序委员会委员,AAAI2016，IJCAI2017高级程序委员会委员。目前主要聚焦于自步学习、误差建模、张量稀疏性等机器学习与计算机视觉领域的基础研究问题。

高陈强 重庆邮电大学教授，博导。中国地质大学（武汉）计算机学院学士、华中科技大学图像所博士，卡内基梅隆大学（CMU）计算机学院LTI系博士后，重庆市首批高等学校青年骨干教师。主要从事红外图像/视频分析、校园监控图像/视频分析等相关应用领域的研究。主持国家自然科学基金（青年/面上）、重庆市自然科学基金、企业横向课题多项，部分技术已经投入实际应用。在CVPR、AAAi、ACCV、ICMR、ICME等国际会议，TIP、PR等期刊发表论文40余篇。