以下报告地点：B403
Talk 1：9:00-10:00 am
学术报告题目：Learning with Label Noise by Importance Reweighting
报告人：悉尼大学 刘同亮 博士
Talk 2：10:00-11:00 am
学术报告题目：异质人脸图像合成与识别
报告人：西安电子科大 王楠楠 博士
Talk 3：11:00-12:00 am
报告题目：基于深度学习的图像美学质量评价
报告人：杭州电子科大 高飞 博士
Talk 1：9:00-10:00 am
学术报告的题目是：Learning with Label Noise by Importance Reweighting
悉尼大学 刘同亮 博士
论文摘要：In this paper, we study a classification problem in which sample labels are randomly corrupted. In this scenario, there is an unobservable sample with noise-free labels. However, before being observed, the true labels are independently flipped with a probability $\rho\in[0, 0.5)$, and the random label noise can be class-conditional. Here, we address two fundamental problems raised by this scenario. The first is how to best use the abundant surrogate loss functions designed for the traditional classification problem when there is label noise. We prove that any surrogate loss function can be used for classification with noisy labels by using importance reweighting, with consistency assurance that the label noise does not ultimately hinder the search for the optimal classifier of the noise-free sample. The other is the open problem of how to obtain the noise rate $\rho$. We show that the rate is upper bounded by the conditional probability$P(\hat{Y}|X)$ of the noisy sample. Consequently, the rate can be estimated, because the upper bound can be easily reached in classification problems. Experimental results on synthetic and real datasets confirm the efficiency of our methods.
讲者简介： Tongliang Liu received the BE degree in electronic engineering and information science from the University of Science and Technology of China, Hefei, China, in 2012, and the PhD degree from the University of Technology Sydney, Sydney, Australia, in 2016. He is currently a Lecturer (Assistant Professor) with the Centre for Artificial Intelligence and the Faculty of Engineering and Information Technology in the University of Technology Sydney. Previously, he was a Visiting PhD Student with the Barcelona Graduate School of Economics, Barcelona, Spain, and with the Department of Economics, Pompeu Fabra University, Barcelona, for six months.Dr Liu serves as a guest Editor of Journal of Optimization. He is also a Senior Program Committee (SPC) member of IJCAI 2017. He is the reviewer of IEEE T-NNLS, T-IP, T-BD, T-CYB, T-SMCA, ACM TKDD and was the PC member of ICTAI 2015, ICPR 2016, AAAI 2017, and SDM 2017. His research interests include statistical learning theory, computer vision, and optimization. He has authored and co-authored 20+ research papers including IEEE T-PAMI, T-NNLS, T-IP, T-GRS, NECO, ICML, KDD, IJCAI, and AAAI. He won the Best Paper Award in IEEE International Conference on Information Science and Technology 2014.
Talk 2：10:00-11:00 am
学术报告的题目是：异质人脸图像合成与识别
西安电子科大 王楠楠 博士
报告摘要：异质人脸图像主要是指处在不同模态或形态的人脸图像，例如线条画、素描画像，近红外、热红外图像与可见光图像，低分辨与高分辨图像，人脸动画以及不同的人脸面部表情等，正面人脸图像与侧面人脸图像。异质人脸图像合成主要是指可见光图像与这些不同模态和形态图像之间的相互转换。异质人脸图像合成的出发点是因为现实中经常存在缺少某一种图像的情况，多个应用领域，例如刑侦破案等公共安全领域，急需重建出高清晰的人脸图像。本报告将介绍现有的异质人脸图像合成方法中的典型方法，特别地，将以人脸素描画像和照片的合成为例，对异质人脸合成的关键原理进行阐述。此外，还将介绍基于合成思想的异质人脸图像直接识别。报告内容涉及计算机视觉、机器学习以及图形学等相关方向。
个人简历：
王楠楠，男，2015年3月博士毕业于西安电子科技大学。2015年4月起在西安电子科技大学综合业务网理论及关键技术实验室任讲师，目前担任西电-炬云智慧安全联合实验室执行主任。2011年9月至2013年9月在澳大利亚悉尼科技大学访问。近年来，一直从事计算机视觉和统计机器学习方面的研究，在异质图像变换与识别方面进行了深入研究，内容包括了画像-照片合成与识别，人脸幻象，人脸特征点检测，合成人脸图像质量评价，图像超分辨率重建、图像恢复等。在国内外期刊会议上发表学术论文近30余篇，包括IJCV、IEEE TPAMI、TNNLS、TIP、TCSVT、TVT，其中SCI检索17篇，其中中科院分区一区论文4篇，二区论文12篇。曾获得中国人工智能学会优秀博士学位论文、陕西省科学技术一等奖、中国科学技术协会全国科技工作者创新创业大赛铜奖、ACM ICIMCS Best Student Paper Award、陕西省高等学校科学技术奖二等奖等奖项。目前主持国家自然科学基金项目、中国博士后一等科学基金、特别资助等近十项纵向和横向课题。授权发明专利2项，软件著作权两项。目前担任IEEE TNNLS、IEEE Trans. on Cybernetics、IEEE TIP、IEEE TCSVT、ACM TIST、ACM TKDD、Pattern Recognition、Information Science等二十多个国际著名期刊的审稿人。
Talk 3：11:00-12:00 am
报告题目：基于深度学习的图像美学质量评价
杭州电子科大 高飞 博士
报告摘要：
图像美学质量评价旨在从人类审美的角度评价一幅图像的质量。美学质量评价算法可以集成到图像搜索引擎或图像处理系统中，为图像检索、图像增强等提供可靠的指标。近年来，由于深度学习在图像高层语义理解中的优异表现，研究人员构建了多种基于深度学习的美学质量评价模型，并取得了很好的性能。不过，图像美学质量评价仍存在以下挑战：1）人类的美学质量评价准则难以描述且因人而异；2）图像美学质量与图像属性（如内容、场景、语义、风格等）高度相关。针对这两个挑战，作者等人在深度学习的基础上分别结合标记分布学习和多任务学习构建了一种图像美学质量评价模型。在标准数据库上的实验表明，两种模型的预测结果与人类主观评价结果具有很高的一致性。
个人简介：
高飞，分别于2009年和2015年在西安电子科技大学获得电子信息工程专业学士学位和信息与通信工程专业博士学位，并于2012年至2013年期间以联合培养博士研究生身份到澳大利亚悉尼科技大学访问学习。自2015年7月起任职于杭州电子科技大学计算机学院。主要研究兴趣为计算机视觉与机器学习。现已发表期刊、会议论文共10余篇；申请国家自然科学基金青年项目、浙江省自然科学基金青年项目各一项。担任IEEE TIP, IEEE TMM, INS, NEUCOM, SIGPRO, CVPR, ICIP等多个国际顶级期刊和会议的审稿人。
