信工学术论坛第八期

2020年12月31日上午9：30，姜宇虹博士以及刘袁缘副教授两位老师在公教一楼106为同学们带来了精彩的报告。

上午9：30，在主持人致开场词后，首先由姜宇虹博士为大家带来精彩的报告，报告的题目为“数据驱动代理模型协助的进化计算研究介绍”。

姜宇虹博士现任154.com皇冠教师，其主要研究方向为昂贵优化以及演化天线设计。2017年10月至2018年11月前往英国萨里大学进行访问学习，主要开展了代理模型管理及多精度优化方面的研究。

很多工业界的实际问题可建模成黑盒优化问题，优化方法求解过程中需要多次评估候选解，但是实际问题评估的运算代价往往很大，从而阻碍了已有优化方法的垂直应用。比如，飞行器设计中的问题评估利用了空气动力学仿真，然而通常一次仿真消耗以小时为单位的运算时间，那么需要成千上万次候选解评估的优化方法无法在有限时间内搜索到最优解。这类问题也通常称作昂贵优化问题。数据驱动的优化方法是一种新兴人工智能方法，以进化计算为优化方法，将实际问题评估看作数据，利用已有成熟的代理模型方法训练得到近似的问题评估值来辅助优化方法进行搜索，从而大大提高传统进化算法实用性。

在提问环节，姜老师向同学们说明她对该研究方法与机器学习的区别，让同学们能够有更深的理解。

    第二场报告由刘袁缘副教授为大家带来题目为“小样本下的非约束人脸和场景图像识别”。

    刘袁缘，女，软件工程系教师，博士，副教授，研究生导师，中国计算机学会会员，IEEE会员，香港中文大学（深圳）机器人与人工智能研究院 客座副研究员。研究方向包括计算机视觉、图像和视频处理以及情感计算。

刘袁缘博士目前正承担了4项国家自然科学基金、2项国家重大研发计划子课题、武汉市科技局前沿项目一项、航天基金一项、横向委托合同1项。公开发表高水平SCI/EI论文25余篇，参编专著2部；担任《Pattern recognition》、《Frontiers of computer science》、《Multimedia and tools application》、《IEEE Transactions on Automation Science and Engineering》、《IEEE Access》、《计算机学报》《测绘学报》国际期刊和国际会议审稿人。

本次报告主要从小样本下的非约束人脸和场景图像识别的研究现状出发，针对非约束人脸情感识别和场景理解的难点问题，系统地介绍本人开展的小样本学习下的多视角情感识别研究，跨姿态的人脸检测和头部姿态估计，精细化建筑物实例分割。以及复杂交通场景下的微小标注检测与识别等研究工作。

最后是提问环节，有同学对刘老师的报告内容感兴趣，并询问老师在报告内容中涉及的非约束的人脸和场景图像识别、以及后面的交通标志检测的关系，刘老师向同学说明这两类本质上都属于计算机视觉的任务，并更深入的说明了两者在实际做的过程中都存在小样本的问题。