赣鄱论坛：多媒体智能处理论坛系列报告会

报告题目1：弱监督行人重识别

报告摘要：

为了在大范围多摄像机网络下实现行人连续追踪，过去多年以来，行人重识别得到了广泛和深入的发展，现有方法已经在许多标志性的数据库上达到非常高的识别率效果。目前行人重识别大量依赖标注数据，以训练复杂的学习模型（比如深度神经网络）；然而，在很多新的场景下，非常缺乏标注的数据，而且随着摄像头的增加，跨摄像头标注的成本也会越来越大。在这次报告中，将汇报我们这几年对无标注、弱标注行人重识别数据的研究心得，主要讲述我们在弱监督（包括无监督）学习下的建模工作。

讲者简介：

郑伟诗博士，中山大学数据科学与计算机学院教授。他主要面向大规模智能视频监控，展开视频图像信息与信号的识别与预测研究，并围绕该应用开展大规模机器学习的算法和理论研究。他目前的主要研究应用领域是：视频监控下的行人身份识别与行为信息理解。关于面向大规模监控网络下的行人追踪问题，他在国内外较早和持续深入开展跨视域行人重识别的研究，发表一系列以跨视域度量学习为主线的研究工作，并最近集中展开无监督和弱标注学习建模。他已发表110余篇主要学术论文，其中90余篇发表在图像识别和模式分类IEEE TPAMI、IEEE TIP、IEEE TNN、PR、IEEE TCSVT、IEEE TSMC-B等国际主流权威期刊和ICCV、CVPR、AAAI、IJCAI等计算机学会推荐A类国际学术会议。担任Pattern Recognition等期刊的编委。获广东省自然科学奖一等奖、教育部高校优秀成果奖（自然科学）二等奖、广东省科学技术进步奖二等奖等；获国家优秀青年科学基金、英国皇家学会牛顿高级学者基金、和广东省创新领军人才项目支持。

报告题目2：深度学习系统及其应用的安全浅析

报告摘要：

深度学习技术引领的人工智能浪潮正在为人类生产和生活带来深刻的技术变革，基于“深度学习+大数据+高性能计算”的端到端解决方案为许多复杂任务（例如计算机视觉、无人驾驶等）提供了有效解决途径，在某些特定领域其能力已经接近甚至超越人类。但是在美好蓝图之下，智能深度学习系统及应用在数据安全、模型安全和代码安全等方面的安全问题也逐渐暴露出来，智能安全已经成为一个不容忽视的问题。本次报告将从安全研究人员角度探讨智能/深度学习与安全之间的关系，分析深度学习在网络空间安全领域的应用潜力，以及深度学习系统所面临的安全风险与威胁。

讲者简介：

沈超，西安交通大学教授/博士生导师，网络空间安全学院副院长，国家优秀青年科学基金获得者，陕西省青年科技新星，教育部学术新人。目前主要从事数据驱动的网络空间安全、人工智能安全、信息物理融合系统综合安全、大规模社交网络安全的研究工作。近年来承担并参与了国家自然科学基金、创新群体、重点研发计划、装备预研重点基金以及部委与企业项目20余项。研究成果发表论文50余篇，包括IEEE TDSC，IEEE TIFS，Automatica，IEEE TNNLS，ACM TKDD，ACM CCS，IEEE DSN等顶级国际期刊和会议，获得5次国内外学术会议最佳/优秀论文的奖励，获得教育部自然科学二等奖1项，主持和参与研制了多个重要系统并应用于国家大型企业和国防单位。担任5个SCI国际期刊的Associate Editor和数十个国内外学术会议的组织委员会成员或程序委员会成员。

报告题目3: Deep Learning-based Medical Images Synthesis and its Effectiveness Verifications

报告摘要：

Adequate medical images are often indispensable in contemporary deep learning-based medical imaging studies, although the acquisition of certain image modalities may be limited due to several issues including high costs, patients’ issues, etc. However, thanks to recent advances in deep learning techniques, the above tough problem can be substantially alleviated by medical images synthesis, by which various modalities including T1 / T2 / DTI MRI images, PET images, cardiac ultrasound images, retinal images, etc., have already been synthesized. Unfortunately, the arterial spin labeling (ASL) image, which is an important fMRI indicator in dementia diseases diagnosis nowadays, has never been comprehensively investigated for the synthesis purpose yet. In this speech, novel unbalanced deep discriminant learning-based models equipped with new ResNet sub-structures will be introduced to realize the synthesis of ASL images from structural magnetic resonance images. Extensive experiments have been conducted. Comprehensive statistical analyses reveal that: 1) the introduced models are capable to synthesize ASL images that are quite similar towards real ones acquired by actual scanning; 2) synthesized ASL images obtained by new models have demonstrated outstanding performance when undergoing rigorous tests of region-based and voxel-based corrections of partial volume effects, which are essential in ASL images processing; 3) it is also promising that the diagnosis performance of dementia diseases can be significantly improved with the help of synthesized ASL images obtained by new models, based on a multi-modal MRI dataset containing 355 demented patients in this study.

讲者简介：

黄伟，男，1983年出生，江西省南昌市人，九三学社社员；博士、副教授、博导；南昌大学信息工程学院、人工智能工业研究院副院长；江西省青年科学家、江西省国外引进高层次专业技术人才、南昌大学赣江青年学者；江西省人工智能专委会主任、江西省大数据应用专委会副主任、中国计算机学会南昌分部秘书长。2004、2006年分别获哈尔滨工业大学本科、硕士学位，2010年获新加坡南洋理工大学博士学位。2011-2012年期间分别在美国加州大学圣地亚哥分校、新加坡科研局等国际知名科研机构从事博士后研究工作。2012年9月作为海外引进人才加入南昌大学计算机科学与技术系任教至今。近年来主要研究兴趣包括：人工智能、机器学习、模式识别、图像处理、计算机视觉、智能驾驶等。近年来以第一或通讯作者等身份发表国际学术论文70余篇。作为项目负责人主持国家级、省部级项目12项，其中包括国家自然科学基金项目3项、江西省自然科学基金重点项目2项等。