“鼎新北科--自动化”名家讲坛 2020控制专题（五）

2020年8月17日至28日，beat365英国官网网站举办“鼎新北科——自动化”名家讲坛系列报告。8月22日进行了专题三的另外两场讲座（总第41-42讲），主讲人分别为清华大学自动化系鲁继文副教授、中山大学数据科学与计算机学院副院长郑伟诗教授。会议由学院党委书记李擎教授致辞、智能科学与技术系樊彬教授主持，学院院长张朝晖、智能科学与技术系副主任刘冀伟及150余名师生参加了会议。

 鲁继文教授的报告主题为“无监督表示学习与视觉内容理解”。首先介绍了视觉内容理解的若干应用与任务，同时指出，视觉内容理解虽然在深度学习的驱动下获得了很大的进步，但仍然存在标注数据量大，缺乏通用性等问题。为了更好的利用数据，降低标注成本，鲁教授介绍了其团队近些年来在无监督表示学习方面的工作。从局部无监督紧致表示学习出发，在人脸识别，图像匹配、视频检索等实际应用中不断进行改进优化，提出了多个无监督表示学习方法，包括旋转不变无监督紧致表示学习、上下文无关联无监督紧致表示学习等。在全局无监督表示学习方面，介绍了基于图模型的无监督紧致表示学习、基于双向推理的点云无监督表示学习等方法，最后，鲁教授对报告内容做了总结，并对非监督表示学习的发展做了展望，同时悉心解答了师生们对于报告以及学术研究中的各种问题。

 

郑伟诗教授做了题为“视频交互行为分析”的报告。报告以“行为”作为切入点，围绕行为识别目前存在的挑战，介绍了近年来在三个方面的工作。为了解决行为特征表达问题，介绍了多模态协同的行为分析方法研究，提出了一种基于交互模式范元的交互行为识别，并且通过感知“全局-局部”行为意图变化进行行为意图识别。针对多人参与的行为理解问题，介绍了群体行为识别方面的研究，通过一种广义内积函数对人与人之间的特征信号交互进行建模，并使用弱监督焦点检测模型对焦点人物和行为进行探测，为了回答行为是否规范、是否具有安全性的问题，介绍了基于时空逻辑关系的图建模技术的行为质量评估方面的研究，特别是基于动态-静态双流质量的长时间行为质量评估的研究。报告最后，郑教授就师生们的疑惑提出了自己独到的见解。

通过聆听这两场精彩的学术报告，与会师生纷纷表示收获颇丰，在与两位杰出青年教授的交流中拓宽了思路，增长了见识。

图文：周俊杰

审核：彭开香

责编：马  琳