主办：中国图学学会图学大数据专委会

承办：南昌航空大学数学与信息科学学院

时间：2023年11月25日，09:00-12:30

地点：南昌航空大学报告厅C201

联系人：李波

图学大数据专委会走进高校2023年南昌航空大学站活动，将于2023年11月25日在南昌航空大学举行。本次活动邀请了4位相关领域的专家学者，以“图模型在深度学习中的理解与应用”为主题，进行学术报告，欢迎感兴趣的同仁和同学线下参加！

会 议 时 间 安 排

09:00-09:10 领导致欢迎辞

09:10-09:15 图学大数据专委会介绍

09:15-10:00

特邀讲者：吴庆耀 华南理工大学教授

演讲题目：少样本视频动作与视觉内容理解

10:00-10:45

特邀讲者：田胜景 中国矿业大学助理研究员

演讲题目：LiDAR点云模态下的目标跟踪方法研究

10:45-11:00 茶歇

11:00-11:45

特邀讲者：朱  旗 南京航空航天大学教授

演讲题目：脑网络智能分析及在脑疾病诊断中的应用

11:45-12:30

特邀讲者：李晋江 山东工商学院教授

演讲题目：基于深度学习的图像增强

讲 者 信 息

特邀报告1

题  目：少样本视频动作与视觉内容理解

摘  要：少样本视频动作与视觉内容理解的研究涵盖了视频动作识别、视频动作表征学习、面向姿态变换的动作理解以及视频内容理解等方面的内容。在视频动作识别方面，针对传统方法在处理复杂背景和多人物的动态任务时存在局限性，提出了基于3D骨架点云的视频暴力识别方法，通过引入骨架注意力网络解决了稀疏骨架点云动作特征提取和多人物骨架交互的学习问题。 在视频动作表征学习方面，团队提到了2D图像和3D视频的自监督学习方法，特别关注了3D骨架动作的表示学习问题。两个创新方案分别是具有运动一致性和连续性的自监督3D骨架动作表示学习和不确定性3D骨架动作自监督表示学习，分别解决了动作一致性、连续性和空间歧义性的问题。 在面向姿态变换的动作理解方面，提出了不配对数据的通用物体姿势变换网络，通过高阶空间转换模块和纹理样式转换模块实现了通用物体的姿态转换，无需收集成对数据。在视频内容理解方面，关注CNN模型的“黑盒子”问题，提出了基于内容解耦增强的弱监督语义分割方法，通过前后背景解耦的表达框架和成对学习策略来提高模型的鲁棒性。此外，提到了联合图增强的自监督对象定位和用于协同分割与检测的统一transformer框架，分别解决了物体定位和多任务处理的问题。

报告人：吴庆耀

个人简介：吴庆耀，华南理工大学软件学院教授、博士生导师，国家级青年人才项目入选者；大数据与智能机器人教育部重点实验室副主任，广州市机器人软件及复杂信息处理重点实验室主任，深度学习与机器视觉校企联合实验室主任，智能音视频校企联合实验室主任；Elsevier期刊Software Impacts副主编、IEEE 电子商务工程国际会议 2021年大会主席及2022年/2023年程序主席，入选2022年美国斯坦福大学发布的全球前2%顶尖科学家榜单；主持国家自然科学基金与广东省重点领域研发计划项目。主要从事计算机视觉、数据挖掘、机器人调度决策、多模态金融数据分析理论与应用研究，相关成果发表于CVPR、ICCV、IJCAI、AAAI和TKDE、TNNLS、TIP等CCF-A类会议和期刊。

特邀报告2

题  目：LiDAR点云模态下的目标跟踪方法研究

摘  要：视觉感知正在历经一场从2D到3D的技术跃迁。激光雷达（LiDAR） 的三维目标跟踪是智能化过程中理解与感知复杂动态场景的最重要任务之一。然而,在实际应用场景中，由于路况和天气环境的复杂多变以及被跟踪物体形式多样，当前基于学习的三维点云跟踪方法在处理这种点云分布变化的场景时仍存在不足。考虑到安全可靠这一重要因素，研究鲁棒与域泛化能力较强的点云跟踪方法能够切实符合现实要求。本次报告针对实际开放场景中LiDAR点云分布变化的情形，进一步介绍LiDAR点云在复杂天气、类无关跟踪等跟踪方面的进展。

报告人：田胜景

个人简介：田胜景，中国矿业大学助理研究员。2022年博士毕业于大连理工大学，校优博获得者，目前主要从事3D视觉等方面的研究工作。在国际权威杂志和学术会议上发表多篇研究论文，包括IEEE TIP、TVCG、TII、TMM。现主持国家自然科学基金青年项目、博后面上项目；参与国家自然科学基金面上和重点项目3项，完成企业横向课题2项。现为TMM、TII、Information Fusion等期刊审稿人，CCF智能机器人专委会委员。

特邀报告3

题  目：脑网络智能分析及在脑疾病诊断中的应用

摘  要：脑网络是表征大脑不同区域之间结构和功能连接的图模型，对其复杂拓扑信息的挖掘有助于理解大脑不同区域的协作机制，并在脑疾病诊断方面发挥着越来越重要的作用。本报告主要介绍基于脑网络智能分析在脑疾病诊断中的关键问题，包括动态脑网络分析、多模态脑网络融合，以及多中心诊断。在动态脑网络分析上，介绍基于跨窗口结构关系挖掘的脑网络表征方法，在特征提取的过程中保持脑网络的拓扑结构。在多模态脑网络融合上，通过注意力机制提取模态内与模态间的关键特征，并嵌入高阶关系及对比学习约束以增强特征的鉴别性。在多中心诊断上，同时考虑了不同中心数据的分布差异以及隐私保护问题，通过多中心模型参数聚合提升泛化性且无需传输原始脑网络数据。为提升脑疾病的诊断表现提供了技术支撑，并发现了相关脑网络生物标志物。

报告人：朱  旗

个人简介：朱旗，南京航空航天大学计算机科学与技术学院，教授。长期从事人工智能、脑网络分析以及生物特征识别方面的研究。已发表学术论文100余篇，其中包括IEEE TMI、TIFS、TIP、TCDS、TETCI、TBD、Nature Communications、MICCAI等权威期刊和会议。主持国家自然科学基金3项，江苏省自然科学基金、国家科技重大专项子课题等项目。中国计算机学会高级会员, 国际期刊IJIG编委，中国计算机学会人工智能与模式识别专委会执行委员，中国图学学会图学大数据专委会委员，中国人工智能学会智慧医疗专委会委员。获省部级科技二等奖1项，深圳市自然科学奖1项，ICGEC国际会议最佳论文奖。

特邀报告4

题  目：基于深度学习的图像增强

摘  要：基于深度学习的图像增强是利用神经网络模型来改善图像质量、增加细节、降低噪声等。利用深度学习模型改善图像的视觉效果，使其更有吸引力。这可能包括增强对比度、调整亮度、改进颜色平衡等。通过学习图像中的细节信息，使图像更加清晰。主要介绍以下几方面工作：图像去雾、去模糊、低光增强等。

报告人：李晋江

个人简介：李晋江，男，博士，教授。2010年毕业于山东大学计算机学院获工学博士学位。2012-2014年在清华大学从事博士后研究工作。目前主要从事可视媒体、机器学习、大数据等方面的综合研究。获省级教学成果奖一等奖1项，二等奖1项。主讲国家级一流本科课程《操作系统》，参编配套教材2部，入选为国家级规划教材，获山东省高等学校优秀教材奖一等奖。主持国家基金面上项目2项、863项目子课题1项。获山东省科技进步二等奖2项，山东高校优秀科研成果奖一等奖2项。近些年在SCI期刊发表论文50余篇，出版学术专著1部，申请发明专利10余项。山东省优秀硕士生导师，指导研究生获山东省优秀硕士学位论文3篇，山东计算机学会优秀硕士学位论文5篇，山东省研究生优秀成果奖二等奖2项、三等奖3项，山东省优秀毕业生18人。