学术报告1： 深度模型压缩与加速技术及其应用
报告人：林绍辉 华东师范大学
报告时间：2023年1月12日8：30-9：15
腾讯会议ID：786 286 517
欢迎广大师生参加！
报告摘要：深度模型参数量和计算开销巨大，严重制约其在资源受限环境下的应用。深度模型压缩与加速技术作为一种有效解决方案，成为了边缘计算、人工智能芯片设计、深度学习等领域研究热点。本次报告主要内容有：（1）相关深度模型压缩与加速技术理论，包括低秩分解、参数剪枝、知识蒸馏等。（2）深度模型压缩与加速技术在低层视觉中的应用，主要包括，图像超分、图像去雾。
报告人简介: 林绍辉，华东师范大学计算机科学与技术学院研究员、紫江青年学者、上海市杨帆计划获得者。于2011年、2014年、2019年本科、硕士、博士分别毕业于三明学院、集美大学、厦门大学，博士毕业之后在新加坡国立大学计算机科学系从事博士后研究工作。目前主要研究方向有计算机视觉、机器学习、视频理解、底层视觉，特别是深度模型压缩与加速、目标识别与检测。主持承担了多项国家级、省部级项目、以及多项校企横向项目。在国际顶级期刊和会议，TPAMI、TNNLS、CVPR、ICML、ECCV、AAAI、IJCAI等，发表30余篇论文。担任国际顶级期刊和会议（如：TPAMI、IJCV、TNNLS、TIP、TMM、PR、CVPR等）审稿人。任人工智能领域顶级会议 IJCAI 2021资深程序委员会委员、Electronics国际著名期刊客座编辑、VALSE执行领域主席委员会委员、CCF会员、IEEE会员。获福建省2019年优秀博士学位论文奖、中国人工智能学会2020年博士优秀毕业论文提名奖。林绍辉博士提出的深度模型压缩技术成功集成至腾讯相关产品中，获得公司内外众多好评，产生了巨大的经济效益。
学术报告2：面向街景增强现实的跨域视觉匹配
报告人：刘伟权 厦门大学
报告时间：2023年1月12日9：15-10：00
腾讯会议ID：786 286 517
欢迎广大师生参加！
报告摘要：增强现实是引领信息产业发展的新兴技术。可用于户外大范围街景的增强现实能有效消除人与信息世界之间的隔阂，在消费电子、军事、教育、旅游等众多领域具有重要的应用前景。增强现实的核心技术之一是虚实注册，其主要任务是解算现场实时获取的相机图像与虚拟三维模型之间的几何变换关系。虚拟三维模型的主要获取方式包括从图像序列运动中恢复结构（SfM）的三维模型和激光雷达扫描获得的三维点云。相机图像与SfM三维模型渲染图像、三维点云是不同域的视觉数据，本次报告主要探讨面向这三者的跨域视觉匹配问题。
报告人简介：刘伟权，厦门大学信息学院博士后/特任副研究员，本科、硕士毕业于集美大学，博士毕业于厦门大学。主要研究方向为三维视觉、空间数据科学，在IEEE TGRS、PR、JAG、IJCAI、IEEE VR等国际顶级期刊和会议发表论文40余篇，授权/申请发明专利10余项。担任ISPRS、IEEE TGRS、IEEE TITS、JAG等国际期刊审稿人。主持承担了中国博士后科学基金面上一等资助项目（一等资助率<1%）、中央军委科技委项目、以及多项企业委托项目。获2021年福建省科学技术进步奖二等奖。是福建省智慧城市感知与计算重点实验室核心成员，任中国图象图形学学会三维视觉专家委员会委员、联合国教科文组织国际自然与文化遗产空间技术中心（HIST）厦门分中心（筹）办公室主任、CCF会员、IEEE会员。
学术报告3：工业设备听诊技术
报告人：汤莉莉 华侨大学
报告时间：2023年1月12日10：10-10：55
腾讯会议ID：786 286 517
欢迎广大师生参加！
报告摘要：新冠疫情扰乱了正常的生产制造，要求制造业实现从“人管理、人生产”到“基于数据的管理和生产”的变革，同时工业互联网的实现也对工业设备智能故障诊断技术提出了更高的要求。本次报告主要内容有：（1）工业设备听诊技术及其应用（2）工业设备听诊技术的研究现状
报告人简介: 汤莉莉，华侨大学机电及自动化学院博士。于2018年、2021年本科、硕士分别毕业于诚毅学院、集美大学。目前主要研究方向有网络与信息安全、人工智能安全、数字隐写及分析、工业设备听诊技术。参与了多项国家级、省部级项目、以及多项校企横向项目。目前在国内外知名期刊和会议发表7篇论文并申请多项专利。曾多次获“华为杯”研究生数据建模竞赛国家级二等奖、美国大学生数学建模竞赛国际级二等奖、MathorCup高校数学建模挑战赛国家级二等奖等奖项。
学术报告4：高维稀疏矩阵中的隐因子分析模型
报告人：许秀琴 福建师范大学
报告时间：2023年1月12日10：55-11：40
腾讯会议ID: 786 286 517
欢迎广大师生参加！
报告摘要：在大数据研究中，非负的高维稀疏矩阵数据在各种大数据智能应用相关的研究领域频繁可见。基于此类非负约束、碎片化、超高维度、极度稀疏的关系数据进行精准而高效的挖掘分析，从中抽取出有效的知识和模式，实现对该高维稀疏数据网络中缺失关系预测是一类常见而重要的问题。非负隐因子模型能够高效地从含有非负数据的高维稀疏矩阵中挖掘知识，是目前最具前景的非负隐因子分析方法之一。主要内容包括非负隐因子分析模型的简介及其研究现状分析。
报告人简介:许秀琴，福建师范大学数学与统计学院博士研究生。2018年本科毕业于莆田学院，2021年硕士毕业于集美大学。目前主要研究方向为数据挖掘与机器学习，统计数据建模，智能交通系统的数据恢复和模式分析。目前在国内外知名期刊和会议发表5篇论文并申请专利。曾多次获“华为杯”研究生数学建模竞赛国家级二等奖、美国大学生数学建模竞赛国际级二等奖、MathorCup高校数学建模挑战赛国家级二等奖等奖项。
集美大学理学院
2023年1月9日
