线上直播 ：

（1） 中国图像图形学报B站： https://live.bilibili.com/h5/22252912

（2） 寇享学术： https://www.koushare.com/lives/room/663917

（3）同济大学视觉与智能学习实验室B站： https://live.bilibili.com/25577106

（4）上海计算 机 学会计算机视觉专委B站： https://live.bilibili.com/23413144

（5）中国图象图形学报视频号：

（ 1 ） 9 ： 00-9 ： 10 开幕式：

9:00 - 9:05    苗夺谦教授（中国人工智能学会GCKD专委主任）开幕致辞

9:05 - 9:10    赵生捷教授（同济大学软件学院院长）开幕致辞

（ 2 ） 9 ： 10-10 ： 10 学术讲座：开放环境模式识别的研究问题与进展

简介： 模式识别是研究用机器模拟人的感知能力，对数据中的物体、行为、现象等模式进行检测和识别的学科。传统的模式识别方法假设闭合类别集、独立同分布、大数据训练。这些假设条件下，深度学习方法取得了优异的。然而在开放环境下，包括深度学习在内的已有方法面临一系列新的技术挑战。首先，识别对象从闭合世界扩展到了开放世界，对新类别模式、异常和噪声模式的建模与处理成为困难；第二，开放环境下模式的特性和数据分布随环境变化，独立同分布假设不再满足；第三，训练模型的大数据（尤其是大量标记样本）要求经常不能满足。针对这些挑战，模式识别和机器学习学者开展了大量研究工作，提出了一些有效的计算模型和方法，包括开放集识别、领域自适应、结构化预测、小样本学习、连续学习、跨模态学习等。本报告对开放环境模式识别的研究问题进行分析，简单介绍一些研究进展，并对未来研究方向进行展望。

讲者简介： 刘成林 研究员（中国科学院自动化研究所）

刘成林 ，中国科 学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师，中国科学院大学人工智能学院副院长。 1989 年毕业于武汉大学无线电信息工程系， 1992 年在北京工业大学获电路与系统专业工学硕士学位， 1995 年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。 1996 年 3 月到 1997 年 10 月在韩国科学技术院（ KAIST ）从事博士后研究。 1997 年 11 月到 1999 年 3 月在日本东京农工大学从事博士后研究。 1999 年 3 月到 2004 年 12 月在日立中央研究所（东京）先后任研究员和主任研究员。 2005 年起在中国科学院自动化研究所任研究员。 2008 年获得国家杰出青年科学基金。研究兴趣包括模式识别、机器学习、文字识别与文档分析等。在国内外期刊和学术会议上发表论文 300 余篇，合著英文专著一本。现任国际刊物 Pattern Recognition 和国内期刊《自动化学报》的副主编 , 《中国图象图形学报》领域主编， Int. J. Document Analysis and Recognition, Cognitive Computation, IEEE/JAS Journal of Automatica Sinica, CAAI Trans. Intelligence Technology 的编委。任中国人工智能学会副理事长、会士，中国自动化学会会士、模式识别与机器智能专委会主任，中国图象图形学学会常务理事，美国电气电子工程师协会会士 (IEEE Fellow) 、国际模式识别学会会士 (IAPR Fellow) 。

（ 3 ） 10 ： 10-11 ： 10 学术讲座：深度神经网络的压缩与加速研究

简介： 深度神经网络在图像理解、语音识别、自然语言处理等人工智能应用领域取得了令人瞩目的成就，成为人工智能研究的热点之一。然而，随着网络性能的不断提高，网络的深度和广度也在不断增加，这就大大增加了网络的参数和计算复杂度。如何压缩和加速这些大的神经网络模型成为学术界和工业界研究的热点。针对神经网络的加速和冗余度问题，本次报告简要介绍已有的加速和压缩方法并在其中覆盖纪荣嵘教授研究组近几年来在神经网络压缩与加速中所做的一些工作与成果。

讲者简介：纪荣嵘 教授（厦门大学）

纪荣嵘 ， 厦门大学南强特聘教授，国家杰出青年科学基金获得者。主要研究方向为计算机视觉。近年来发表 TPAMI 、 IJCV 、 ACM 汇刊、 IEEE 汇刊、 CVPR 、 NeurIPS 等会议长⽂过百篇。论文谷歌学术引用万余次。曾获 2016 年教育部技术发明一等奖、 2018 年省科技进步一等奖、 2019 年福建省青年科技奖。曾 / 现主持国防 973 项目，国家自然科学基金联合重点基金等项目。任中国计算机学会 A 类国际会议 CVPR 和 ACM Multimedia 领域主席、中国图象图形学学会学术工委副主任、教育部电子信息类教指委人工智能专业建设咨询委员会委员。

（ 4 ） 11 ： 10-12 ： 10 学术讲座：机器学习可解释性研究现状与思考

简介 ： 机器学习是人工智能诸多领域的共性基础与关键技术，机器学习理论、模型与算法的可解释性关乎到人们可否可信有效地使用人工智能。随着深度学习的兴起，机器学习的可解释性研究成为了人工智能科学家广泛关注的焦点。通过对统计机器学习与深度学习的剖析，可解释性可从语义可解释性与原理可解释性进行归纳。然而，在基于机器学习进行决策时，由于受到数据噪音、标注偏好等复杂因素影响，或由于缺乏足够证据和先验知识，决策结果与真实情况由于随机产生的一致性时有发生。此随机一致性将导致决策缺乏客观性与可重复性，给机器学习理论与模型的可信性造成解释性灾难，给经典可学习理论与方法带来了挑战。为此，如何重构具有原理可解释性的可学习理论成为了人工智能的一个基本科学问题。报告在总结归纳机器学习可解释性研究的基础上，汇报近年来针对该问题进行的一些尝试性探索，以期引起人工智能领域的一些学术思考与战略思考。

讲者简介：钱宇华 教授（山西大学）

钱宇华 ，教授、博士生导师，国家高层次人才入选者，山西大学大数据科学与产业研究院院长，计算智能与中文信息处理教育部重点实验室副主任。主持国自然重点、优青、重点研发等项目 10 余项；在 AI 、 ACM TOIS 、 JMLR 、 ML 、 IEEE TPAMI 、 IEEE TKDE 等国际期刊发表论文 100 余篇。成果广泛应用于国防科技服务、遥感图像分析、医疗诊断分析、生物数据挖掘、社会网络分析等领域。曾获山西省自然科学奖一等奖， CCF 优博，百篇优博提名奖， 2018-2021 年全球高被引科学家。

（ 1 ） 14 ： 00-15 ： 00 学术讲座：多模态智能

简介： 媒体大数据时代，图像、视频、文本和音频等多模态数据大量涌现，类型多样、关系复杂。此外，人类的信息获取、环境感知、知识学习，都是以多模态方式来进行。多模态智能被视为从限定领域的弱人工智能走向通用人工智能的关键所在，而多模态数据的表征、理解与推理又是多模态智能的瓶颈问题，研究并解决这些问题将极大推动新一代人工智能的发展。报告首先介绍多模态智能的发展历程、面临的机遇与挑战，并从多模态表示学习、知识推理和可信计算等三个方面介绍近年来团队的最新研究进展。

讲者简介：邓成 教授（西安电子科技大学）

邓成 ，西安电子科技大学教授、博导。国家高层次人才、国家 “ 百千万人才工程 ” 有突出贡献中青年专家、中国计算机学会杰出会员。长期从事跨媒体学习、认知和推理的研究。主持国家自然科学基金重点项目、科技部 “863” 计划课题等项目近 30 项。在中科院 TOP 期刊和 CCF A 类国际会议发表论文 130 余篇。担任《 Pattern Recognition 》等国际刊物副编辑；担任计算机视觉国际顶级会议 CVPR 2021 、 ICCV 2021 领域主席，人工智能顶级国际会议 IJCAI 2018~2021 高级程序委员，以及多个国际会议的程序委员会委员。获 2016 年国家自然科学二等奖（第 3 ）、 2019 年陕西省自然科学一等奖（第 1 ）。

（ 2 ） 15 ： 00-16 ： 00 学术讲座：开放环境多媒体内容理解

简介： 图像视频大数据智能分析与理解在多种实际应用中具有至关重要的作用，比如无人驾驶、网络空间内容安全以及社会公共安全等。然而实际应用情况是复杂开放的。为此，我们研究了开放环境下多媒体内容分析与理解问题，主要是半监督、小样本和弱监督条件下的图像内容分析，提出了半监督特征学习方法、小样本识别、深度协同因子分解模型，将图像和标签映射到统一空间，同时解决图像标注、标签优化、基于内容的图像检索以及标签扩展等多种任务。

讲者简介：李泽超 教授（南京理工大学）

李泽超 ， 南京理工大学计算机科学与工程学院（人工智能学院）教授、博士生导师， “ 社会安全信息感知与系统 ” 工信部重点实验室副主任，分别于 2008 年和 2013 年毕业于中国科学技术大学和中国科学院自动化研究所。研究兴趣主要是媒体智能分析、计算机视觉等。发表 ACM/IEEE Transactions 或者 CCF A 类会议论文 70 余篇；入选万人计划青年拔尖人才、爱思唯尔中国高被引学者等；获得三次省部级一等奖、 2018 年吴文俊人工智能优秀青年奖等；主持国家自然科学基金联合基金重点项目、江苏省杰出青年基金等；担任 IEEE TNNLS 、 Information Sciences 编委。

（ 3 ） 16 ： 00-17 ： 00 学术讲座：工业视觉质检技术研究与应用

简介 ： 全球工业制造正处于智能化转型的关键时期。我国作为全球制造业第一大国，也发布了《 “ 十四五 ” 智能制造发展规划》，旨在进一步推动制造业实现数字化、智能化。利用人工智能技术，尤其是计算机视觉技术，赋能工业质检是智能制造的重要应用，也引起了工业界和学术界的广泛关注。在工业视觉质检场景，有效训练样本数据量受限、缺陷类型分布不均的问题极为常见，如何在这些数据受限的条件下做更有效的学习，对最终应用效果的保障极为关键。本报告将以工业视觉质检为主要应用场景，介绍小样本学习、长尾分布学习等高效视觉学习技术的研究与应用。

讲者简介：汪铖杰 总监（腾讯优图实验室）

汪铖杰 ，腾讯优图实验室研究总监。主要研究方向为计算机视觉。发表包括 CVPR 、 ICCV 、 ECCV 、 NeurIPS 、 AAAI 、 IJCAI 等学术论文 60 余篇。作为腾讯优图实验室成立时的核心成员之一，研究成果广泛应用于腾讯云、微信、腾讯会议、 QQ 等，已获授权的国内国际专利 110 余项。任南方科技大学专业学位研究生业界导师、上海大学上海电影学院特聘专家、上海电影特效工程研究中心特聘专家。

本届会议主席简介

论坛主席： 赵才荣 ，博士，现任同济大学计算机科学与技术系教授，博士生导师。曾任香港理工大学兼职研究员（ 2016-2017 ）。目前担任中国自动化学会模式识别与机器智能专业委员会副秘书长，上海市计算机学会计算机视觉专委会主任，中国计算机学会高级会员，中国图象图形学学会青工委委员。国家自然基金项目评审专家，上海市科技项目评审专家，教育部学位论文评审专家，国际青少年人工智能大赛评审专家。担任 IEEE TMM, Mathematics 等期刊 Guest Editor 。长期担任 TPAMI ， TIP ， TNNLS ， CVPR ， ICCV ， ICML ， AAAI ， ECCV 等审稿人。研究聚焦于视觉与智能学习，研究方向包括：人工智能、计算机视觉等，主要涉及行人再识别、场景文字检测与识别、 X 光图像智能分类、人脸识别与安全防御等领域。已在 IEEE TIP 、 IEEE  TIFS 、 IEEE TMM 、 IEEE TCSVT 、 IEEE TNNLS 、 PR 、中国科学 . 信息科学等国内外重要学术期刊及国际学术会议 CVPR ， ACM MM ， ICCV ， ICPR ， ICIP 等发表论文 40 余篇，已受理发明专利 18 项（授权 9 项）。主持国家自然科学基金 3 项，主持国家重点研发计划子课题以及企业横向课题十余项。建设国家级线下精品课程 1 门，上海市精品课程 1 门。