报告题目:跨模态多媒体数据的快速算法研究与应用

报告人：郑锋 博士

报告时间：2018年3月29日（周四）14:30

报告地点：逸夫楼C座314会议室

摘要：

随着互联网和物联网的不断繁荣发展，各种形式的大规模多媒体数据在人与人、人与物之间的互动中产生、传播和分享。数据是资源和财富。但是，大部分数据是异构多态的。如何快速有效地从这些大规模数据中挖掘有价值的信息是当前最困难的挑战之一。为解决这个问题，我们从哈希投影这个角度展开了理论研究。1）基于异构流形的跨模态哈希算法：提出了将各种形态的数据用异构流形方式衔接起来的算法，并给出了具体跨模态形式的表达定理（跨模态支撑）；2）最小化量化损失的哈希算法：定义了一种新的量化损失，使得无需伪编码就可以进行哈希函数学习，证明了最小化该损失可以有效降低空间转换过程中的度量畸变；3）快速目标再识别：学习了目标表观在不同摄像头下统一的二值的身份表达。利用高效的海明距离，使得可以进行跨时间跨区域目标跟踪。

报告人简介：

郑锋，英国谢菲尔德大学博士。目前在美国匹兹堡大学，任博后研究员。研究兴趣包括机器学习、计算机视觉与人机交互。曾经在中国科学院深圳先进技术研究院，担任研究助理以及助理研究员（优秀员工），从事计算机视觉与人机交互的研究工作。在学术研究方面，目前在国际顶级杂志和会议上包括IEEE TPAMI, IEEE TIP, IEEE TITS, AAAI, IJCAI, CVPR, ICMR(CIVR), BMVC发表超过30篇学术论文。并且在人机交互的相关技术，申请了5个专利。在系统开发方面，成功设计了几款人机交互系统。其中一款实现了，基于普通摄像头在个人电脑和智能电视平台上进行无穿戴式、无接触式的自然交互。该系统曾被多家主流媒体报道过，并实现了向包括华为和创维等企业的技术转化。曾经主持了一个与联想研究院的技术合作的项目。目前，在多个国际顶级人工智能会议包括AAAI, IJCAI担任委员会成员和是多个重要杂志包括IEEE TINNS, IS等的审稿人。