[网办大厅] [图书馆] [学报编辑部] [电子邮件] [校外访问] [办公系统]

学术预告:2024年第四届计算机视觉与模式分析国际学术大会(ICCPA 2024)

报告时间:2024年5月18日(星期六)8:30-12:00

报告地点:图书馆报告厅

主办单位:计算机与软件工程学院

报告题目1:“软件定义”重构水下多智能体网络:若干研究进展与思考

报告人:韩光洁

报告人简介:

韩光洁,博士、二级教授/博导,河海大学信息纸飞机app怎么注册的 与工程学院院长,IEEE/IET/AAIA Fellow。主要研究方向为水声通信与组网、工业物联网、人工智能、网络与安全等。近年来在IEEE JSAC, IEEE TMC, IEEE TPDS, IEEE TON等国际期刊上发表高水平SCI期刊论文380篇(其中IEEE/ACM Trans. 系列汇刊120+篇),到目前为止Google Scholar引用次数16500+次,H-index为66。主持包括国家重点研发计划和国家自然纸飞机app怎么注册的 基金重点项目等省部级以上项目共30余项,获得省部级以上奖励10项,授权国内外发明专利144件。连续5年(2019-2025)入选全球排名前2%的纸飞机app怎么注册的 家榜单,连续4年(2020-2023)入选爱思唯尔中国高被引学者榜单。目前任10多种国际期刊(其中包括IEEE TII, IEEE TCCN, IEEE TVT, IEEE Systems)副主编。江苏省333高层次纸飞机app怎么安装使用 (第二层次)、江苏省有突出贡献中青年专家,常州市五一劳动奖章等荣誉称号。

报告内容简介:

水下多智能体协同技术、水下群体智能技术的飞速发展促使以水下自主航行器集群为代表的水下智能装备集群在海洋工程、海洋纸飞机app怎么注册的 研究等领域得到广泛应用,并终将赋能海洋网络化、数字化和透明化发展。然而,海洋环境的复杂性使水下智能体集群在协同执行水下任务时通信困难、协同性弱、危险性强,成为制约水下智能体集群技术及应用发展的关键性因素。鉴于此,本报告引入水下多智能体网络的概念,以支持水下智能体集群间的自主通信。在此基础上,引入“软件定义网络”技术,重构水下多智能体网络的基础架构,解耦网络的控制决策与任务操作平面,以支持软件定义式的水下协同操作,提升网络可编程性及可扩展性。然后,结合本实验室团队在该方向的研究成果,介绍如何利用软件定义网络技术,重构水下多智能体网络的数据路由架构、编队航行架构以及自主学习决策架构。本报告旨在提供一种研究思路,重新审视与构建水下多智能体系统的协同控制机制,构建“软件定义智慧海洋”,以助力逐梦深蓝、向海而行。


报告题目2:Intelligence-Enabled Vehicular Networking and Edge Computing

报告人:赵亮

报告人简介:

赵亮,博士,教授,博士生导师。现任沈阳航空航天大学计算机学院副院长,中国计算机学会高级会员。入选沈阳市中青年纸飞机app怎么安装使用 计划、沈阳市拔尖纸飞机app怎么安装使用 。主持国家自然纸飞机app怎么注册的 基金、辽宁省自然纸飞机app怎么注册的 基金重点项目等十余项,发表国际会议论文和学术期刊论文100余篇,其中中科院1区27篇,IEEE汇刊35篇,ESI高被引论文1篇,获批发明专利10余项,学术专著2部。获2022中国国际大数据产业博览会领先科技成果优秀项目奖、2019数博会优秀项目奖、2021中国航空学会纸飞机app怎么注册的 技术三等奖、辽宁省自然纸飞机app怎么注册的 学术成果奖三等奖等科技学术奖励7次。受邀在2nd International Forum on Aerospace and Aeronautics (Keynote)、 IEEE HPCC 2018、开放数据中心峰会 2020、EAI MONANI 2020、MLIS 2021、IEEE MTT-S International Wireless Symposium (IEEE IWS 2022)国内外大型学术会议等做主题演讲(Invited Talk)。担任多个国际会议及WORKSHOP的主席等职务。

报告内容简介:

Vehicular networking and edge computing (VMC) has been studied profoundly aiming to provide the efficient connectivity among vehicles and infrastructures to access to various of applications in which such networks can support all types of services in the internet of vehicles (IoV). Over the past two decades, VANET (vehicular ad-hoc network) has been studied to connect the vehicles in wide areas with its multi-hop connectivity. However, traditional VANET still faces challenges to enable intelligent networking and communication with its decentralized nature in which individual vehicle lacks the ability to collect and compute such large amount of data. Hence, learning algorithms and dedicated networking architecture should be applied to improve the networking quality. In this talk, the speaker will present the AI-enabled vehicular networking techniques and the related architectures. Further, this talk will also provide comprehensive introduction of vehicular networking, edge computing, in terms of softwarized networking, intelligent caching and offloading.


报告题目3:Salient Object Detection

报告人:何祥健

报告人简介:

何祥健,宁波诺丁汉大学教授,“贵州省候鸟型纸飞机app怎么安装使用 ”,“上海市海外名师”, “宁波诺丁汉大学计算机视觉和智能感知实验室主任”。2011-2022年任悉尼科技大学(UTS)全球大数据技术中心(GBDTC)计算机纸飞机app怎么注册的 教授和计算机视觉与模式识别实验室负责人。他是 IEEE 信号处理协会学生委员会成员。他参与的团队在 2018年通过合作获得了悉尼科技大学校长卓越研究奖。他被国际技术学院 (ITI) 授予“国际注册技术专家”。过去几年,主要在计算机视觉、数据分析和机器学习领域开展研究。他最近领导他的研究团队进行基于深度学习的人类行为识别研究、人类计数和密度估计、微小物体检测、生物医学应用、显著性检测、自然语言处理、网络安全、面部和面部表情识别、路标。

报告内容简介:

Salient object detection aims to mimic the human visual system and cognition mechanisms to identify and segment salient objects. However, due to the complexity of these mechanisms, current methods are not perfect. Accuracy and robustness need to be further improved, particularly in complex scenes with multiple objects and background clutter. In this talk, two methods are presented. The first approach estimates depth information from monocular RGB images and leverage the intermediate depth features to enhance the saliency detection performance in a deep neural network framework. Although many other RGB-D saliency models have also been proposed, they require to acquire depth data, which are expensive and not easy to obtain. The second approach adopts the boundary sensibility, content integrity, iterative refinement, and frequency decomposition mechanisms. A multi-level hybrid loss is designed to guide the network to learn pixel-level, region-level, and object-level features. Comprehensive evaluations on challenging benchmark datasets show the achievements of state-of-the-art results of the proposed approaches.


报告题目4:Removing redundant computation in 3D scene rendering using limitations of human visual perception

报告人:陈纯毅

报告人简介:

陈纯毅,博士、教授、博士生导师,入选吉林省首批高校科研春苗纸飞机app怎么安装使用 (2012年)、吉林省第五批拔尖创新纸飞机app怎么安装使用 (2015年)、长春市第七批有突出贡献专家(2019年),荣获第九届长白青年科技特优奖(2013年)、吉林省青年科技奖(2014年)、IOP Outstanding Reviewer Awards (2018年),入选吉林省中青年科技创新领军纸飞机app怎么安装使用 及团队培育计划(2018年)、校第二批“兴光纸飞机app怎么安装使用 工程”大珩学者(2020年)。主要学术研究方向包括:全景立体影视建模与处理、虚拟现实3D画面渲染与机器学习画质优化、光传输建模与计算机仿真、无线光通信与信息安全、新型特种影视成像与显示等。先后主持过国家自然纸飞机app怎么注册的 基金、中国博士后纸飞机app怎么注册的 基金、吉林省科技发展计划、吉林省留学人员科技活动择优资助计划、吉林省省级产业创新专项、吉林省教育厅纸飞机app怎么注册的 技术研究规划等科研项目15项。多项研究成果已在电影文化主题公园、虚拟博物展馆、远距离光信息传输等领域得到实际应用,取得了显著的经济效益和社会影响。

报告内容简介:

Rendering of realistic 3D scenes is crucial for applications such as movie production, virtual reality, computer games, and so on. Realism and speed are two important factors that need to be carefully considered in designing a rendering system of realistic 3D scenes. Generally, the demand for high realism causes slow rendering, and the demand for high rendering speed leads to low realism. The human visual system is the ultimate consumer of most imagery produced by realistic 3D scene rendering. In fact, it is unnecessary to render the visual details of 3D scenes that cannot be perceived by the human visual system. The rendering of 3D scenes can be accelerated by removing the unnecessary operations that only contribute to producing the imperceptible visual details, and meanwhile the visually perceived realism of the 3D scenes does not deteriorate. In this speech, firstly the theory of human visual perception will be briefly introduced; then the approaches to removing the unnecessary redundant computation in 3D scene rendering will be delivered; finally, the experimental results obtained by the speaker’s group will be presented and discussed.




Baidu
map