李德仁 武汉大学 |
陈景东 西北工业大学 |
熊子祥 美国德州A&M大学 |
熊红凯 上海交通大学 |
陈熙霖 中科院计算所 |
李远清 华南理工大学 |
张长水 清华大学 |
刘成林 中科院自动化所 |
报告摘要：21世纪以来,高分辨率对地观测卫星快速发展,对地观测系统由最初的单星模式发展为现在的轻小型卫星组建星座,实现了全天时、全天候、全方位的对地精细化观测。未来将对地观测卫星星座与通信卫星、导航卫星和飞机等空间节点通过动态组网,建立天基空间信息网络,以实现智能化空天信息的实时服务。为了进一步增强系统的智能化水平,提高系统感知、认知能力和应急响应能力,本文提出未来空间信息网络环境下对地观测脑(earth observation brain,EOB)的概念,对地观测脑是基于事件感知的智能化对地观测系统。详细介绍了对地观测脑的概念模型及需要解决的关键技术,举例说明了对地观测脑初级阶段的感知、认知过程。将来对地观测脑可以回答何时(when)、何地(where)、何目标(what object)发生了何种变化(what change),并在规定的时间(right time)和地点(right place)把这些正确的信息(right information)推送给需要的人(right people)的手机或其他智能终端,全球用户可实时获得所需的任何数据、信息和知识。
讲者信息：李德仁，男， 1939 年 12 月生，汉族，江苏泰县人。 1963 年毕业于武汉测绘学院，获学士学位， 1981 年获该校硕士学位； 1985 年获联邦德国斯图加特大学博士学位； 2008 年 11 月，获瑞士苏黎士联邦理工大学名誉博士。 1991 年 10 月当选中国科学院院士； 1994 年 5 月当选中国工程院院士； 1999 年 10 月当选国际欧亚科学院院士。现任武汉大学学术委员会主任、教授、博士生导师。 2013 年 4 月年被聘为北京大学工学院教授 .
上世纪 80 年代，首创从验后方差估计导出粗差定位的选权迭代法，命名为“李德仁方法”。 1985 年，提出包括误差可发现性和可区分性在内的基于两个多维备选假设的扩展的可靠性理论，解决了测量学的一个百年难题。 90 年代以来，提出地球空间信息科学的概念和理论体系，推进遥感、卫星导航定位系统和地理信息系统（ 3S ）的集成与应用。进入 21 世纪，倡导和推进我国高分辨率对地观测技术的发展和商业化运营，提出广义和狭义空间信息网格的概念与理论，推进数字地球和智慧地球的建设。培养的 5 名博士生获全国百篇优秀博士论文。
发表学术论文 650 余篇，著书 11 部，有 30 项成果分别获得国家及省部级科技进步奖、全国优秀教材奖、全国优秀教学成果奖、德国“汉莎航空测量奖”等，其中 4 项成果分别荣获国家科技进步二等奖；同时获国家级有突出贡献中青年专家，何梁何利科学与进步奖，湖北省最高科技成就奖，国际摄影测量与遥感协会 Samuel Gamble 奖和荣誉会员等个人荣誉。
历任武汉测绘科技大学校长、测绘遥感信息工程国家重点实验室主任、国务院学位委员会学科评议组成员、国家 973 专家顾问组成员、中科院地学部副主任、中国测绘学会理事长、中国图形图像学会副理事长、中国地理学会环境遥感分会副理事长等学术职务。现任中国测绘学会副理事长、中国 GIS 协会顾问、国家航天专家组成员、国家遥感中心专家组成员、总参科技顾问、高分重大科技专项专家组副组长。同时，在国际上还担任过亚洲 GIS 协会创会会长，国际摄影测量与遥感学会第三、六专业委员会主席，瑞士苏黎士理工大学客座教授，澳大利亚昆士兰工大客座教授，加拿大卡尔加里大学客座研究员等兼职。
报告摘要：Microphone arrays, combined with proper signal processing algorithms, can be used to solve many important acoustic problems such as noise reduction/speech enhancement, source separation, dereverberation, spatial sound recording, source localization/tracking, etc. However, the design and implementation of microphone arrays with beamforming algorithms is not a trivial task. In this talk, I will focus on discussing important problems faced by frequency-invariant beamforming with linear and circular microphone arrays. The main topics addressed in this talk include: 1) major properties of linear and circular microphone arrays, 2) how to design frequency-invariant beamformers with different beampatterns, and 3) how to achieve a good control of high directional gains, frequency-invariant responses, and white noise amplification.
讲者信息：Dr. Chen is currently a professor at the Northwestern Polytechnical University in Xi'an, China. Before joining NWPU in January 2011, he served as the Chief Scientist of WeVoice Inc. in New Jersey, USA for one year. Prior to this position, he was with Bell Labs in New Jersey for nine years. Before joining Bell Labs, he held positions at the Griffith University in Brisbane, Australia and the Advanced Telecommunications Research Institute International (ATR) in Kyoto, Japan.
Dr. Chen has long been working on the problems of speech enhancement, noise reduction, echo cancellation, and microphone array processing. He has authored and co-authored 11 monograph books and published over 200 papers in peer reviewed journals and conferences. He also hold several patents. He has been serving in various capacities in the global research community: as an Associate Editor to the IEEE Transactions on Audio, Speech and Language Processing and as a Member of the Editorial Board of several journals. He was the general chair of the IWAENC 2016, the technical program co-chair of the IEEE WASPAA 2009, IEEE TENCON 2013, ChinaSIP 2014, and helped organize many other conferences. Dr. Chen received the IEEE Signal Processing Society Best Paper Award in 2009, the best paper award from the IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA) in 2011, the Bell Labs Role Model Teamwork Award twice, respectively, in 2009 and 2007, the NASA Tech Brief Award twice, respectively, in 2010 and 2009, the Japan Trust International Research Grant from the Japan Key Technology Center in 1998, the “Distinguished Young Scientists Fund” from the National Nature Science Foundation of China (NSFC) in 2014, and the Young Author Best Paper Award from the National Conference on Man-Machine Speech Communications in 1998. He is also the co-author of a journal paper for which his PhD student, Chao Pan, received the IEEE Region 10 (Asia-Pacific) 2016 Distinguished Student Paper Award (First Prize).
报告摘要：In the past decade, much progress has been made in image denoising due to the use of low-rank representation and sparse coding. In the meanwhile, state-of-the-art algorithms also rely on an iteration step to boost the denoising performance. However, the boosting step is fixed or non-adaptive. In this work, we perform rank-1 based fixed-point analysis, then, guided by our analysis, we develop the first adaptive boosting (AB) algorithm, whose convergence is guaranteed. Preliminary results on the same image dataset show that AB uniformly outperforms existing denoising algorithms on every image and at each noise level, with more gains at higher noise levels.
讲者信息：熊子祥，男，1987年毕业于武汉大学无线电信息工程系,1996年在伊利诺斯Urbana-Champaign大学获电子工程博士学位，1995年至1997年在普林斯顿大学（Princeton University）做博士后，1997-1999年就职于夏威夷大学任讲师，1999进入德克萨斯 A&M 的大学，历任助理教授、副教授，现为该校教授。他的研究方向为网络信息论、编码设计和应用，信源编码和信源信道联合编码等。熊子祥教授是图像和视频编码研究领域国际著名的学者，IEEE Fellow，他发表或者合作发表了11本著作章节，98篇期刊论文 (含78篇IEEE期刊论文), 和181篇会议论文, 并拥有14项美国专利。
他在分布式视频编码(Distributed Video Coding, DVC)研究领域具有开拓性研究的学术地位,先后多次为重要国际学术会议，如ICASSP 2005，Globe Com 2007和ICME 2007等大会做特邀报告。担任IEEE Trans. SMC，IEEE Trans. Signal Processing，IEEE Trans. Image Processing和IEEE Trans. CSVT 等11个国际杂志的编委，20多个国际会议的程序委员会成员、组织者或主席。
熊子祥教授于1999年获美国国家科学基金奖（National Science Foundation Career Award）；2000年获ARO青年研究员奖（Army Research Office Young Investigator Award）；2001年获ONR（Office of Naval Research Young Investigator Award）青年研究员奖； 2003年获Texas A&M University的Faculty Fellow Award；2006年获IEEE杂志（IEEE Signal Processing Magazine）最佳论文奖（best paper award）。
报告摘要：To meet with the rising demands on large-scale high-dimensional signal processing and transmission, this talk will address the structured learning-based theory and algorithm optimized for multimedia signal representation, analysis and prediction by incorporating structured statistical learning and metric-based functional optimization. To be concrete, it is to exploit the multi-dimensional topology of the input signal space to establish the optimal mapping between dictionary and sampled signals, so that the optimal signal representation based on structured sparsity can be achieved by exploiting the high-dimensional correlations derived by the multi-dimensional topology and investigating sparsity and low-rank property in original space. We also consider to construct the dictionary with progressive learning based on the multiscale analysis of featured structures and optimize it with parametric learning and stochastic sampling. Moreover, we discuss the construction of a revertible convolution network based on iterated filter banks for representation, which makes it available to capture the geometric regularity of multimedia signal effectively. The achievements would benefit the ongoing research on compact representation and scalable processing of high-dimensional signals.
讲者信息：熊红凯，上海交通大学特聘教授、国家杰出青年科学基金获得者、教育部长江学者特聘教授、科技部中青年科技创新领军人才、教育部新世纪优秀人才、上海市优秀学术带头人、上海市曙光学者、上海市青年科技英才、国家自然科学基金委创新研究群体成员。IEEE高级会员、ACM会员。中国图像与图形学学会理事，中国电子学会高级会员、中国计算机学会高级会员。
2003年，在上海交通大学获得通信与信息系统专业博士，留校工作。2007～2008年，在美国卡内基梅隆大学CMU电气与计算机工程系ECE，担任研究员；2011～2012，在美国加州大学圣地亚哥分校（UCSD）生物医学信息中心，担任Scientist。主要研究方向为：信息论编码与通信、信号处理、计算机视觉与机器学习。在相关国际期刊和会议发表SCI、EI收录论文180多篇，包括：1本学术著作，IEEE Trans汇刊论文38篇。申请了36项国家发明专利，已授权15项。共主持：国家自然科学基金重点项目2项、国际自然科学基金面上项目2项、科技部863项目1项、国际自然科学基金海外学者合作基金3项等。2014年，获澳大利亚国家研究理事会ARC探索基金资助。
2011年，获“上海市技术发明奖”一等奖（第一完成人，“网络化的视频媒体处理与适配分发关键技术与核心系统”）。2014年，获IEEE国际学术会议VCIP（视觉通信与图像处理）最佳学生论文奖；2013年，获IEEE国际学术会议BMSB（多媒体通信与广播）最佳论文奖；2011年，获IEEE国际学术会议MMSP（多媒体信号处理）Top 10 %论文奖；2011年10月，指导博士生获“微软学者奖”。2010与2013年，2次入选上海交通大学“SMC-A类晨星青年学者计划”。筹建了上海交通大学 “智能计算与智能系统” 教育部-微软重点实验室的“多媒体通信”方向，在上海交通大学组建“媒体信息网络”研究所。是中国图像图形学学会工作委员会“学术会议和交流委员会”副主任、IEEE通信协会多媒体通信技术委员会、IEEE CAS协会视觉信号处理与通信技术委员会委员。
报告摘要：物体识别/检索是计算机视觉的核心问题之一。尽管在特定视觉任务上计算机视觉已经取得了很大的进步，但在一般物体的识别方面还有待进一步提升。如何使得机器能够像人一样识别种类繁多的对象，甚至是未曾谋面的对象是计算机视觉面临的重要挑战。本报告将结合近期的一些工作对物体检索问题进行探讨。和以往工作不同的是，我们同时考虑了多种不同的相似性约束，将类别和属性作为检索的条件。这一方法还可以从对物体的编码中获得相应的属性信息。在几个典型的数据集合上的实验验证了这一方法的效果。
讲者信息：男，博士、研究员、博士生导师。1965年出生，现任中国科学院计算技术研究所副所长。1988年、91年和94年分别于哈尔滨工业大学计算机系获得学士、硕士和博士学位。毕业后留校任教，先后任讲师(1994)、副教授(1996)、教授(1999)。2001年5月至2004年5月在美国卡内基梅隆大学计算机学院访问。回国后入选中国科学院百人计划，先后任中科院计算所研究员、中科院智能信息处理重点实验室主任、副总工兼智能信息处理研究部主任、所长助理职务。近年来主要研究领域为计算机视觉、模式识别、多媒体技术以及多模式人机接口。先后主持过自然科学基金重点项目、863计划等项目的研究工作。先后获得国家科技进步二等奖三项，省部级科技进步奖7项，获得国家发明专利四项，合作出版专著1本，在包括IEEE Transactions在内的国内外刊物和会议上发表论文100多篇。担任过十多个国际学术会议的程序委员会委员。
报告摘要：提高目标检测性能和实现多维控制是脑机接口研究的两大基本问题。我们首先介绍多种多模态脑机接口，包括基于SSVEP和P300的脑机接口，视听觉脑机接口，基于P300和运动想象的脑机接口，这些脑机接口或者可以提高目标检测性能，或者可以实现多维控制。然后我们介绍这些脑机接口在意识障碍患者群体和严重脊髓损伤瘫痪病人群体的临床应用。意识障碍患者（如植物人等）的意识检测是一个难点问题，主要原因是这些病人缺乏行为能力，认知水平低下。我们开发了多种脑机接口,用于意识障碍患者（如植物人等）的意识检测,数字认知检测等,取得了良好效果。针对严重脊髓损伤瘫痪病人，我们开发了集轮椅、护理床、家电控制于一体的环境控制系统，临床试用效果良好，大大提高了这些病人的生活自理能力。
讲者信息：李远清，华南理工大学自动化科学与工程学院教授、博士生导师、院长、华南理工大学脑机接口与脑信息处理研究中心主任IEEE Fellow、国家杰出青年科学基金获得者、教育部长江学者特聘教授、国家百千万人才工程国家级人选，获国家自然科学二等奖、广东省自然科学一等奖等多项奖励。是IEEE Trans. on Fuzzy Systems, IEEE Trans. On Human Machine Systems 等4份SCI国际期刊的副主编。1988 年本科毕业于武汉大学数学系，1994 年硕士毕业于华南师范大学数学系，1997 年博士毕业于华南理工大学自动控制工程系。2000年以来，先后致力于独立分量分析与盲源分离、稀疏编码、半监督机器学习、脑电与fMRI信号分析、脑机接口、脑内视听觉整合等方面的研究。迄今为止，发表论文100余篇，其中在IEEE Trans. on Information Theory，IEEE Trans. on Signal Processing，IEEE Trans. on Biomedical Engineering，IEEE Signal Processing Magazine，Proceedings of the IEEE等汇刊上发表长文30余篇，在Cerebral Cortex (IF: 8.5), Human Brain Mapping, NeuroImage, Scientific Reports (IF: 5.5), Machine Learning，Pattern Recognition，Neural Computation，Journal of Neural Engineering，NIPS等国际著名期刊及权威会议上发表论文共近30篇。持项目包括国家自然科学基金重点项目、科技部863课题等。获批专利6项。兼职：中国自动化学会常务理事等。
报告摘要：人工神经网络结构在深度学习的应用中是一个重要因素。在这个报告里，首先介绍神经网络模型的结构优化的研究现状；然后介绍子模函数和超模函数；在此基础上，介绍我们在基于子模函数和超模函数的神经网络结构优化方面的研究工作；最后是实验和总结。
讲者信息：张长水，男，1965 年出生，1986 年7 月毕业于北京大学数学系，获得学士学位。1992年7 月毕业于清华大学自动化系，获得博士学位。1992 年7 月至今在清华大学自动化系工作。现任清华大学自动化系教授、博士生导师，主要研究兴趣包括：机器学习、模式识别、计算视觉等方面。目前是计算机学会高级会员；担任学术期刊：”Pattern Recognition”, “计算机学报”，”自动化学报”等编委；在国际期刊发表论文100多篇，在顶级会议上发表论文50多篇，其中包括国际权威期刊Pattern Recognition，TNN，TKDE，IEEE Transaction on Multimedia，以及国际顶级会议IJCAI，AAAI，NIPS，ICML，ECML，SIGIR，CVPR等。
报告摘要：过去关于模式分类方法的研究多数只关心如何提高测试数据的分类正确率（即泛化精度），而拒识和鲁棒性虽然在模式识别应用系统中非常重要，模式识别和机器学习领域的研究中对此关注较少。在“深度学习+大数据”方法取得巨大成功的今天，我们从研究和应用的角度都仍然需要对模式识别系统的鲁棒性予以高度重视。本报告首先分析模式识别系统的鲁棒性的内涵，然后从拒识的角度总结几种提高模式识别鲁棒性的方法。模式识别中主要有两类拒识：歧义拒识和异常模式拒识。两种拒识方式针对应用中不同的模式，且采用不同的模型和方法。我们回顾两种拒识方式的理论模型，并以文字识别问题为例列举几种具体方法。面向将来的研究，我们从模型结构和学习算法的角度提出几种研究途径。
讲者信息：刘成林，中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师。2005年入选中国科学院“百人计划”。2008年获得国家杰出青年科学基金资助。1989年毕业于武汉大学无线电信息工程系，1992年在北京工业大学获电路与系统专业工学硕士学位，1995年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。1996年3月到1997年10月在韩国科学技术院（KAIST）从事博士后研究。1997年11月到1999年3月在日本东京农工大学从事博士后研究。1999年3月到2004年12月在日立中央研究所（东京）先后任研究员和主任研究员。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在文字识别领域，特别是手写字符的识别与分割方面取得了突出的研究成果，并因此荣获2005年国际模式识别协会IAPR/ICDAR Young Investigator Award（青年学者奖）。研制的算法在多种信息产品中得到实际应用。在国际期刊和国际会议上发表论文200余篇，合著英文专著一本，获得授权发明专利5项。现任国际刊物Pattern Recognition的Area Editor, Image and Vision Computing, Int. J. Document Analysis and Recognition, Cognitive Computation的编委和《自动化学报》的副主编。中国人工智能学会常务理事、模式识别专委会主任，中国自动化学会理事、模式识别与机器智能专委会主任，美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)。。