王立健

国家标准技术审评中心审核专家

钟陈

中国电子技术标准化研究院、SAC/TC28/SC37秘书处高级工程师

杨春林

北京眼神智能科技有限公司首席标准化专家

宋方方

上海商汤智能科技有限公司标准经理

陈光

广州广电运通金融电子股份有限公司高级技术经理

高升杰

华大法医科技有限公司高级工程师

简介：张世学，男，北京科技大学计算机与通信工程学院计算机科学与技术专业2021级博士研究生。本、硕、博均求学于北京科技大学计算机与通信工程学院；师从殷绪成教授、祝晓斌教授，从事图像文本检测与识别相关工作的研究。曾获博士研究生国家奖学金，北京市优秀硕士毕业生、硕士研究生国家奖学金，北京科技大学优秀三好研究生等奖励；以第一作者身份在CCF推荐的权威期刊或会议上发表文本检测方向相关论文5篇，其中包括CVPR 2020 Oral、 ICCV 2021、IEEE T-PAMI 2022、T-NNLS 2022，为图像文本检测领域做出了较积极的理论方法贡献。作为骨干先后参与了国家自然科学基金项目“多语言场景文本检测与识别关键技术研究”、广电总局监管中心项目“新闻视频标题文本检测与识别技术”等研发工作；并在视频字幕提取技术相关领域获得国家授权发明专利1项。受邀担任国际期刊(IEEE TIP, IEEE TMM)和国际会议(ACM MM)的审稿人。

报告时间：12月12日 13:00-13:20

报告题目：基于关系推理和边界建模的任意形状文本检测

报告摘要：任意形状文本检测是图像文本检测中一项非常具有挑战性的任务。针对这个问题， 在CVPR 2020大会上， 我们提出了一种基于文字/文本组件连接的检测任意形状的方法，利用图卷积神经网络来进行组件之间的深度关系推理，有效地解决了复杂情况下文本组件的连接问题。然而，文本组件的生成和聚类过程的复杂性，限制了模型的检测精度和检测速度。因此，我们在ICCV 2021大会上又提出了一种基于文本边界建模的任意形状文本检测方法，该网络采用边界提议模型生成粗糙的初始边界，然后通过边界变形模型探究和学习关边界上键点之间的上下文关系，进行文本边界的迭代变形，从而为任意形状文本直接生成准确的边界而无需任何后处理。

简介：何子文，现为中科院自动化所模式识别国家重点实验室、智能感知与计算研究中心三年级在读博士生，研究方向为对抗样本以及多媒体内容安全，在Patter Recognition、CVPR、ACM Multimedia等国内外学术刊物和学术会议发表相关论文6篇。

报告时间：12月12日 13:20-13:40

报告题目：探索步态识别的对抗鲁棒性：一种时序稀疏对抗攻击方法

报告摘要：步态识别旨在根据人们的步行方式自动识别身份，被广泛应用于远程视觉监控。近年来，许多步态识别方法取得了很高的识别准确率。然而，步态识别算法在开放世界中对抗恶意攻击的鲁棒性尚未得到充分研究，能够有效验证步态识别系统鲁棒性的方法仍然缺乏。为此我们设计了一种时序稀疏对抗攻击方法并在CASIA步态数据集上进行了大量验证。本次报告将介绍该项发表在Pattern Recognition的最新研究进展。

简介：樊超，南方科技大学计算机科学与工程系博士生。主要研究方向为步态识别和计算机视觉，曾在CVPR和ECCV上以第一和共一身份发表文章。

报告时间：12月12日 13:40-14:00

报告题目：从大规模无标签数据中学习一般的步态表征

报告摘要：步态是表征人体外形与行走模式的重要生物特征。相较于传统的人脸、虹膜、指纹及声纹等生物特征识别技术，步态识别系统能在远距离且无需被试者配合的条件下运行良好。这一优点使得步态识别在城市安防系统中拥有广阔的应用前景。随着深度学习的发展，步态识别技术获得了长足进步。然而近期研究表明，步态识别算法在实际数据上表现并不出色。其中重要原因是当前步态数据库大多在实验室场景下采集，无法全面地模拟实际开放场景下的协变。据此，一个直接的解决思路是采集大量的真实步态数据。然而，要求数据标注员从海量视频中通过步态序列认出一个陌生人几乎是不可能的任务。本次报告向大家提供一种新思路，即从大规模无标签数据中学习一般的步态表征。实验表明，无监督步态识别效果能媲美早期经典的Model-based和GEI-based方法，并在跨域测试中在几乎所有数据集上超越现有SOTA方法。本次报告还将涉及其它Yu Lab关于步态识别方面的最新研究进展，欢迎讨论！

简介：华南理工大学博士生，研究方向为生物特征识别，具体为指静脉识别。

报告时间：12月12日 14:00-14:20

报告题目：Transformer在指静脉认证任务中的探索

报告摘要：探索了Transformer在指静脉认证任务中的性能，针对指静脉图像的特点设计了专用模型FVT（Finger Vein Transformer）。FVT核心思想采用自注意力机制提取指静脉图像的特征信息，并通过对新技术的引入及改进来增强网络对位置编码信息、局部特征信息的提取能力。设计了充分的对比试验与消融实验来验证方法的可行性与网络在指静脉识别任务上的优异性。

简介：刘李博士目前在深圳市大数据研究院-香港中文大学深圳担任研究科学家。从2018年9月到2019年9月，她在加拿大多伦多瑞尔森大学(Ryerson University)计算机工程学院从事博士后研究。2015年10月到2018年9月，她在法国格勒诺布尔阿尔卑斯大学(Universite Grenoble Alpes)和法国国家科学研究中心(CNRS)共属的GIPSA-lab实验室攻读工程与机器学习博士，并于2018年9月11日获得博士学位。她现为国际电⼦电⽓⼯程师学会会员，信号处理协会会员，中国自动化学会模式识别与机器智能专委会委员，中国图象图形学学会⼥科技⼯作者⼯作委员会委员，CCF语音对话与听觉专委会委员以及⼴东省⽣物医学⼯程学会-智能医学影像分会常务委员。担任IEEE/ACM Transactions on Audio, Speech, and Language Processing, IJCAI, Neurocomputing，Interspeech等国际期刊和会议的审稿人。她的主要研究方向是自动视听语音识别、医学影像、人工智能以及Q语通的发明和应用。她现已以第一作者身份或通讯作者在自动视听语音识别以及人工智能领域发表了20多篇顶级论文，包括IEEE Transactions on Multimedia、American Annals of the Deaf、Neurips、ECCV、ICASSP和MICCAI等。2017年，她获得了法国Sephora Berribi数学和计算机女科学家的荣誉（全球共有四名，法国两名，以色列两名）。同年，她获得法国声协（AFCP）颁发的青年研究员奖学金。2016年获得法国EEATS研究生院最佳报告奖(The best poster award)。作为项目负责人，她获得了国家自然科学基金青年基金、广东省自然科学基金青年基金、阿里巴巴创新研究基金以及腾讯公益创投计划等5项具有竞争力的科研项目。 

报告时间：12月12日 14:20-14:40

报告题目：在AI的世界里探索“善”与“美”

报告摘要：爱美之心，人皆有之。在我们每天生活的真实自然世界里，我们都崇尚善良，追求美丽的事物。人工智能（Artificial Intelligence, AI）目前发展突飞猛进，并且在悄悄改变着我们的自然世界。在AI的世界里，也有很多可以为人类创造“善”与“美”的可能。作为AI科技女性工作者，我们每天都有大量的时间徜徉在AI的世界里，并致力于探索其中的“善”与“美”。在此报告中，我将介绍AI for Good Application这个目前很前沿的概念，并结合我目前的两个研究方向Q语通以及智能医疗分享我的科研探索之路。

报告时间：12月12日 14:40-15:00

报告题目：跨视角步态识别：回顾过去，展望未来

报告摘要：步态识别具有对图像分辨率要求低、可远距离识别、无需受试者合作、难以隐藏或伪装等优势，在安防监控、调查取证等领域有着广阔的应用前景。然而在实际应用中，步态识别的性能常受到视角、着装、携物、遮挡等协变量的影响，其中视角变化最为普遍，并会使行人的外观发生显著改变。因此，提高步态识别对视角的鲁棒性一直是该领域的研究热点。为了全面认识现有的跨视角步态识别方法，本报告从数据采集、特征表示、分类三个方面介绍了步态识别的一般方法，并进一步介绍了构建三维步态信息、视角转换模型、提取视角不变特征等三种跨视角步态识别方法。同时，对代表性方法的性能表现进行了对比分析。最后将展望未来的跨视角步态识别技术发展方向。

简介：方昱春于2003年博士毕业于中国科学院自动化研究所；于2003.3-2004.12在法国国立自动化与信息研究院（INRIA）从事博士后研究；2005年5月至今在上海大学计算机工程与科学学院从事教学科研工作 。近十多年一直从事人工智能和机器学习领域的关键技术研究，包括生物特征识别、人脸检索与识别、机器视觉等关键技术研究。在国内外重要刊物如IEEE TIFS, ACM Trans. on Applied Perception, PR和Neurocomputing等发表论文80余篇。作为负责人主持国家自然科学基金3项、上海市自然科学基金2项等科研项目。目前主要研究兴趣包括深度学习、特征学习、手语识别和多模态媒体计算等。

报告时间：12月12日 15:00-15:20

报告题目：人脸感知分析与交互检索

报告摘要：交互式人脸检索通过人机交互发现人脸库中的目标对象，包括了基于人类感知的用户反馈和机器在特征空间中的相似性度量。为了探寻交互检索中的人脸感知一致性，针对人机人脸认知的统计特征设计了系列测量指标。从人类认知角度，收集大数据集上用户对目标/候选人脸组刺激的反馈。从机器认知角度，比较分析标杆特征的常规相似性度量。在测度、特征、数据集尺度和人类学统计信息综合因素变化情况下，人机人脸认知一致性具有稳定性，为交互检索纳入人类因素提供了可行性指导。为应对人机人脸认知的语义鸿沟，构建了交互检索的理论模型和启发式求解算法。为适应跨数据集的人类学统计信息差异，提出了语义原型表征的迁移选择。基于贝叶斯相关反馈模型的检索验证了属性原型在大数据集上的交互检索的快速收敛。

简介：张茜茜博士，研究生导师，北京市农林科学院生物技术研究所计算生物学方向学术带头人，北京女科技工作者协会理事，入选了北京市科技新星计划以及高层次留学归国人才计划，两次入选欧盟委员会的Erasmus Mundus优秀人才储备计划（中国分别入选仅2人和3人）。在欧盟全额奖学金的支持下分别在荷兰瓦赫宁根大学以及维也纳自然资源与生命科学大学获得双硕士学位，再次在欧盟全额奖学金的支持下在荷兰瓦赫宁根大学以及丹麦奥胡斯大学获得了双博士学位。近十年一直在生物信息算法、计算工具开发、数量遗传学以及统计遗传学进行科研及产业应用研究工作，涉及的具体应用领域包括动植物育种以及生命科学和精准医学等。目前已发表论文21篇，其中一篇论文于2018年发表于数量遗传学顶尖Top期刊Genetics并被选为highlight论文进行发表，两篇论文分别于2020年发表于Nature Index子刊The ISME Journal (IF=12)以及2021年发表于Nature Communications (IF=16)。主持或参与了多个国际项目及基金，具有非常丰富的合作交流经验，目前指导或共同指导了4名硕士及2名博士研究生。

报告时间：12月12日 15:20-15:40

报告题目：基于生物信息大数据的精准DNA遗传及生物识别算法

报告摘要：随着DNA技术及测序技术的发展，可用于进行生物特征识别以及复杂疾病预测的遗传大数据呈指数型增长，目前相对缺少基于DNA相关大数据精准遗传及生物特征识别算法。本研究开发了进行了生物品系特征相关的识别算法，以及进行复杂疾病预测的遗传算法模型，算法主要是基于生物信息大数据遗传效应的期望值进一步进行推导的，进一步可构建基于每个位点遗传力期望值的模型，而改进模型可根据所提供生物信息大数据的分布特点进行设定推导，弥补了现有模型的分布假设缺陷，研究结果显示针对基于不同分布原模型推导的算法及公式实现了更加精准有效的遗传预测。本研究为基于DNA进行复杂疾病预测以及生物品系特征识别奠定了算法基础。