一、活动简介

 “CSIG图像图形中国行”活动旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学、西北农林科技大学、佛山科技学院等及深圳、烟台成功举办了30余期，参会人数累计4000余人，受到业界好评。本次“CSIG图像图形中国行”由华东师范大学、上海市多维度信息处理重点实验室与中国图象图形学学会文档图像分析与识别专委会联合承办，交流主题为“深度学习及应用”。

主办：中国图象图形学学会

承办：华东师范大学、上海市多维度信息处理重点实验室

中国图象图形学学会文档图像分析与识别专委会

时间：2019年12月13日下午13:30

地点：华东师范大学闵行校区信息楼147报告厅

二、会议议程

（一）13:00 -13:30 

          签到

（二）13:30 – 13:40

开场致辞 吕岳教授，华东师范大学通信与电子工程学院院长

（三）13:40 -14:40

主题报告1：《Deep Learning in Neuroimaging and Radiotherapy》

报告人：沈定刚教授，北卡罗来纳大学教堂山分校

14:40 -15:40

主题报告2：《Path Signature：一种新的序列特征表达方法及其在图文识别中的应用》

报告人：金连文教授，华南理工大学

15:40 -16:40

主题报告3：《视觉创作的机器学习》

报告人：杨小康教授，上海交通大学

三、执行主席

吕岳教授

华东师范大学通信与电子工程学院教授、院长。享受国务院政府特殊津贴，入选教育部新世纪优秀人才、上海市领军人才。 分别于1990年和1993年在浙江大学获得学士和硕士学位，于2000年在上海交通大学获得博士学位。1993年至2000年在邮电部第三研究所担任工程师，2000年至2004年在新加坡国立大学计算机科学系工作，2004年至今华东师范大学教授、博士生导师。2004年至2017年先后兼任中国邮政集团上海研究院研发部主任、副总工程师、副院长，2018年至2019年兼任中邮科技邮政责任公司首席科学家。研制的信函自动分拣机和包裹自动分拣机在邮政、电商和快递企业推广应用，并出口国外，获得上海市科技进步一等奖和中国邮政科学技术一等奖。研究领域包括模式识别、图像处理、智能系统等，担任Pattern Recognition和IJPRAI等国际期刊编委，中国图像图形学会文档图像分析与识别专委会副主任。

李庆利教授

华东师范大学通信与电子工程学院教授、上海市多维度信息处理重点实验室主任。分别于2000年和2003年在山东大学获得学士和硕士学位，于2006年在上海交通大学获得博士学位。2012年至2013年在美国哥伦比亚大学做访问学者。研究领域智能交通、高光谱遥感、智能医疗等，曾先后成功研制出了推帚式显微高光谱成像系统、凝采式分子高光谱成像系统并将其应用于生物组织样本的检测分析。发表SCI/EI 检索学术论文70余篇，已获专利授权20余项。作为核心成员获2015年度教育部技术发明二等奖，上海市技术发明二等奖和2018年度上海市科技进步一等奖。担任International Journal of Computer Assisted Radiology and Surgery和Recent Patents on Medical Imaging等国际期刊编委，The 9th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics (CISP-BMEI 2016)、CISP-BMEI 2018等国际会议General Chair，2019 6thInternational Conference on Biomedical and Bioinformatics Engineering (ICBBE 2019)、ICDIP 2017、CISP-BMEI 2017、ICDIP 2018、ICCPR 2018、CISP-BMEI 2019、DMIP 2019等国际会议Program Committee Chair。

四、特邀专家

沈定刚教授

报告题目:

《Deep Learning in Neuroimaging and Radiotherapy》

报告摘要：This talk will introduce our recent deep learning work on brain quantification and prostate cancer radiotherapy. Specifically, for automatic quantification of early brain development in the first year of life, i.e., with the goal of early identification of brain diseases such as autism, deep learning based brain image segmentation and cortical surface parcellation have been developed. For early diagnosis of Alzheimer’s Disease (AD) with the goal of possible early treatment, deep learning has been applied to unsupervised brain registration for precise inter-subject comparison and distinctive-regions based disease diagnosis. Besides, for effective treatment of prostate cancer, especially for MRI-based cancer treatment, a novel context-aware GAN (Generative Adversarial Networks) has been developed for synthesizing CT from MRI. Also, two novel deep learning techniques have been developed for automatic and precise segmentation of pelvic organs from the planning CT images to better guide radiotherapy. Both the clinical significance of each medical problem and the motivation of each developed technique will be clarified in this talk.

报告人简介：Dinggang Shen is Jeffrey Houpt Distinguished Investigator, and a Professor of Radiology, Biomedical Research Imaging Center (BRIC), Computer Science, and Biomedical Engineering in the University of North Carolina at Chapel Hill (UNC-CH). He is currently directing the Center for Image Analysis and Informatics, the Image Display, Enhancement, and Analysis (IDEA) Lab in the Department of Radiology, and also the medical image analysis core in the BRIC. He was a tenure-track assistant professor in the University of Pennsylvanian (UPenn), and a faculty member in the Johns Hopkins University. Dr. Shen’s research interests include medical image analysis, computer vision, and pattern recognition. He has published more than 1000 papers in the international journals and conference proceedings, with H-index 93. He serves as an editorial board member for eight international journals. He has also served in the Board of Directors, The Medical Image Computing and Computer Assisted Intervention (MICCAI) Society, in 2012-2015, and is General Chair for MICCAI 2019. He is Fellow of IEEE, Fellow of The American Institute for Medical and Biological Engineering (AIMBE), and also Fellow of The International Association for Pattern Recognition (IAPR).

金连文教授

报告题目：

《Path Signature：一种新的序列特征表达方法及其在图

文识别中的应用》

报告摘要：Path Signature是近年来在随机分析领域发展起来的一种新的数学理论及方法，可唯一确定任意非树状路径（Tree-like path）的解析特性。现实生活中很多数据（如视频、语音、人体运动行为、手写笔迹、金融数据等）均可以看成是一种时间序列路径数据，路径重积分为分析及理解这些数据提供了一种全新的视野。在此报告中，我将从机器学习与模式识别的视角，简要介绍路径重积分的基本概念、理论及方法，并介绍如何将之与深度学习结合起来解决计算机视觉及模式识别中的一些典型实际应用问题，包括大类别无约束联机手写体文字识别、笔迹鉴别、人体运动行为分析与识别、手势识别等。

报告人简介：金连文，男，1991年毕业于中国科技大学无线电系获学士学位，1996年于华南理工大学获博士学位，2006入选教育部新世纪优秀人才。目前为华南理工大学二级教授，博士生导师，兼任中国图像图形学学会（CSIG）常务理事、广东省图像图形学会副理事长、CSIG文档图像分析与识别专委会主任、CCF计算机视觉专委会委员、CSIG机器视觉专委会常务委员、CAAI模式识别专委会常务委员等职。主要研究领域为深度学习、机器学习、文字识别、计算机视觉等，在IEEE TPAMI、TNNLS、TIP.、IEEE TCYB、IEEE TSMC、IEEE TMM、IEEE TII、IEEE TCSVT、IEEE TITS、IEEE IS、IEEE TIFS、PR、 IS、PRL、NC、IJDAR等SCI国际期刊上发表学术论文60余篇（其中ESI高引论文4篇），主流国际会议论文100余篇，获得发明专利授权53项，先后主持国家及省部级以上项目20余项，荣获省部级科技奖励5次，荣获国际学术竞赛第一名11次。

杨小康教授

报告题目：

《视觉创作的机器学习》

报告摘要：最新的生成对抗网络提供了无监督学习的计算框架，并且其样本生成过程具有较强的随机性，为人工智能迈向创意打开了一丝曙光。针对复杂的图像与视频自动生成中存在的解空间巨大、宏观结构的一致性、微观结构的清晰度等技术挑战，我们提出规则约束的生成对抗网络概念，并在油画创作和人体运动视频智能化生成方面开展了初步探索。

报告人简介：杨小康，上海交通大学人工智能研究院常务副院长，人工智能教育部重点实验室主任。主要研究图像处理与机器学习，获国家科技进步二等奖、上海市科技进步一等奖、国家研究生教育成果二等奖。任中国电子学会青年科学家俱乐部副主席、上海市图像图形学会理事长，为IEEE Transactions on Multimedia编委、IEEE Signal Processing Letters编委。

五、联系方式

承办方联系人

胡孟晗：电话1502651163；邮箱mhhu@ce.ecnu.edu.cn

周梅：电话13916124339；邮箱mzhou@ce.ecnu.edu.cn

主办方联系人

黄英英：电话010-82544661；邮箱membership@csig.org.cn

附：

华东师范大学闵行校区校园地图

本次会议免费，请扫描二维码报名参加