AI赋能纺织新未来

陈佳，武汉纺织大学

大模型文本生成的质量控制：从准确性到伦理性的优化

董明，华中师范大学

跨域遥感场景分类中的未知类别研究

龚腾飞，武汉理工大学

人脸识别与深度鉴伪研究进展

黄宝金，华中农业大学

基于虚假数据注入攻击检测的换电泊车一体化服务决策研究

李昕煜，武汉工程大学

CCF武汉会员活动中心主席致辞

熊盛武，院长、教授

面向复杂场景的换装行人重识别算法研究

刘方驿，武汉大学

联邦边缘学习在线激励与公平优化

鲁剑锋，武汉科技大学

可满足性问题算法设计及其应用

罗茂，湖北工业大学

多视图关键点匹配方法及其应用

孙琨，中国地质大学（武汉）

裸片面积约束下的高并行存算一体电阻存储器电路

汪承宁，华中科技大学

面向低光照场景的无监督跨模态行人重识别方法研究

杨斌，武汉大学

高性能软硬协同图计算技术研究

赵进，华中科技大学

当序列预测遇见意图动态，下一个是什么？

胡开喜，武汉纺织大学

智能网联汽车可靠通信关键技术

韩玮祯，武汉理工大学

计算机视觉中的持续学习

施武轩，武汉大学

鲁棒异构联邦学习

方修文，武汉大学

基于CXL的高可扩展近存计算系统

刘海峰，华中科技大学

面向分层联邦学习的Non-IID数据和有限通信资源优化方法

陈悦，武汉科技大学

中国地质大学（武汉）

贺海旭，中国地质大学（武汉）

基于生物文本挖掘与组学数据融合的疾病分子机制研究

姚昕智，华中农业大学

双层统计建模——初步探索

张学林，华中农业大学

重新思考针对人脸识别系统的目标攻击与无目标攻击

周风帆，华中科技大学

开放世界目标计数研究

朱慧琳，武汉理工大学

报告题目：AI赋能纺织新未来

报告摘要：

随着新一代信息技术的应用与发展，人工智能逐步应用于纺织行业生产领域，为纺织行业的生产方式、发展模式和产业生态带来了重大影响。加快人工智能在纺织行业生产领域的发展，是推动纺织行业实现高质量发展的重要途径。在此次报告中，报告人将展示以大数据、人工智能、物联网等为技术支持的纺织服装领域数字创新技术。

讲者简介：

陈佳，博士，教授，硕士生导师，中国计算机学会高级会员, 现任武汉纺织大学计算机科学与技术系主任。主要研究方向：机器学习、模式识别、图像和视频处理等。曾获湖北省科技进步二等奖，中纺联教学成果奖二等奖，全国高校计算机课程思政教学案例设计大赛一等奖，全国高校人工智能教师教学创意竞赛二等奖等。主持多项国家和省部级项目，其中包括国家自然科学基金、国家档案局科技项目、湖北省自然科学基金面上项目、湖北省教育厅重点项目等，同时主持教育部产学合作、全国高等院校计算机基础教育研究会、全国纺织服装信息化教学研究等教研教改项目6项，主编省部级“十四五规划”教材1部，指导学生获省级以上学科竞赛50余项。主持横向项目十余项，项目经费进账1500余万元。现已发表高水平教科研论文50多篇，授权发明专利7项，软件著作权15个。

董明   华中师范大学

报告题目：

大模型文本生成的质量控制：从准确性到伦理性的优化

报告摘要：

在现代智能语言处理系统中，文本质量决定了其性能和应用可靠性。文本质量通常包含两个重要维度：技术质量（如拼写、语法和逻辑准确性）和伦理质量（如内容安全性、伦理性与无害性）。如何优化文本的技术和伦理属性，使模型能够生成高质量、可信赖的内容，已成为自然语言处理（NLP）领域的重要研究挑战。本报告将介绍讲者近期针对大模型文本生成质量控制领域所完成的研究工作，包含两类主题：（1）基于大模型的中文文本纠错（Chinese Spelling Check, CSC）和（2）大模型去毒（Detoxification in Large Language Models）。本报告聚焦增强大型语言模型文本生成准确性和安全性的研究，展示了中文文本纠错和知识去毒的新技术，旨在为提高大型语言模型在实际应用中的可靠性和可信度提供切实可行的解决方案。

讲者简介：

董明，华中师范大学-计算机学院讲师，硕士生导师。主要研究方向包括自然语言处理、中文信息处理等。担任国家语委研究型基地“国家语言资源监测与研究网络媒体中心”联络员。主持国家语委年度科研项目、中国博士后基金面上项目、湖北省自然科学基金青年项目等7项各类课题。以第一作者/通讯作者身份在ACL、EMNLP、COLING、CIKM、TASLP等自然语言处理领域国际会议、期刊发表论文10余篇，申请6项国家发明专利。获ACM SIGSPATIAL CUP比赛2020年全球总冠军，指导学生获得全国研究生数学建模比赛三等奖。

龚腾飞 武汉理工大学

报告题目：

跨域遥感场景分类中的未知类别研究

报告摘要：

跨域遥感场景分类旨在增强模型的迁移能力，使得一个数据域上训练的模型可以应用于其他数据域，这对提高遥感数据处理效率极为重要。现有方法主要关注封闭集假设，无法应对开放环境下存在未知类别的情况。本报告将展示当前跨域遥感场景分类中的未知类别研究进展，该研究有效突破当前跨域分类的类别约束条件，进一步拓宽了跨域遥感场景分类的应用范围，同时对开放世界学习、未知类识别、跨域迁移学习等研究提供支持。

讲者简介：

龚腾飞，女，武汉理工大学计算机与人工智能学院硕士生导师，海南省三亚崖州湾科技城E类引进人才。主要研究方向为计算机视觉、遥感图像处理、迁移学习、开放环境学习、海上目标监测等。发表多篇遥感领域顶级期刊论文，包括IEEE Transactions on Geoscience and Remote Sensing、IEEE Geoscience and Remote Sensing Letters、Neurocomputing等，单篇文章引用量100余次。担任IEEE TGRS、IEEE GRSL、Pattern Recognition等期刊审稿人，主持国家自然科学基金、湖北省自然科学基金等多个基金项目。

黄宝金 华中农业大学

报告题目：

人脸识别与深度鉴伪研究进展

报告摘要：

随着海量标注数据和深度学习技术的飞速发展，人脸识别技术已经实现了广泛应用，并且在现有数据集上的识别性能已经超越了人类水平。然而，在实际应用中，由于训练和测试环境的巨大差异以及人脸伪造等严峻挑战，当前大部分视觉识别应用的准确率和稳定性仍然面临诸多困难，甚至引发了伪造人脸等安全隐患。本次报告将从数据集构建和深度学习算法设计两个维度，汇报近期在以下方面的研究进展：1）遮挡人脸识别数据集构建及训练策略设计；2）可解释的伪造人脸检测及溯源。

讲者简介：

黄宝金，武汉大学博士，华中农业大学信息学院副研究员，主要研究方向包括人脸识别和深度鉴伪等。相关研究成果以第一和通信作者在TIFS、TNNLS、TBIOM、CVPR和ICCV等国际知名期刊和会议上发表论文10余篇，谷歌学术引用达1700余次。担任包括IJCV，TIP、CVPR 和 ACM MM 等国际知名期刊和会议审稿人。相关成果入选2023 TOP 100 Benchmarks & Evaluation优秀成果奖，获得NIST TRECVID 2021实例搜索竞赛国际第一名、中国图象图形学学会 CSIG FAT-AI 2021 开放场景口罩人脸识别挑战赛高校团队第一名。针对新冠肺炎人员防控研发的口罩人脸识别技术受到湖北日报、环球时报、中国科技新闻网等媒体广泛关注。

李昕煜 武汉工程大学

报告题目：

基于虚假数据注入攻击检测的换电泊车一体化服务决策研究

报告摘要：

当前，网联化换电服务领域的研究显著忽视了FDI（虚假数据注入）攻击对换电站本地状态信息的潜在篡改威胁，这一忽视可能直接导致换电站状态信息的扭曲，进而误导换电服务的关键决策过程，诱发局部服务拥堵现象。为应对此挑战，报告人将展示换电与停车场充电相结合的混合能源补给模式下，能源补给与长程自主代客泊车服务的协同优化安全决策，为智能网联汽车时代的能源补给服务提供了坚实的保障。

讲者简介：

李昕煜，博士，2024 年6月毕业于武汉大学国家网络安全学院网络空间安全专业。曾任科大讯飞人工智能研究院算法工程师。主要从事网络可靠性服务优化理论和应用方面的研究工作，在新能源汽车的智能网联化绿色出行服务优化、可靠性与安全性需求响应等方面取得了一系列研究成果。在IEEE Transactions on Transportation Electrification 、IEEE Transactions on Circuits and Systems I 、IEEE Transactions on Vehicular Technology 、Elsevier Energy，ISA Transaction 等著名学术期刊上发表绿色交通网联化服务可靠性管理相关的学术论文15 篇，研究成果曾获中国通信企业协会-ICT 中国创新奖-卓越创新应用。

刘方驿 武汉大学

报告题目：

面向复杂场景的换装行人重识别算法研究

报告摘要：

行人重识别在智慧城市等领域有重要应用，其目标是在跨监控摄像头场景下，准确地识别和匹配行人的身份。现有行人重识别技术通常考虑视角变化、光照变化、行人遮挡等，而行人更换服装导致的外观变化也会给重识别带来巨大挑战。在此次报告中，报告人将展示近年来在换装行人重识别上的方法研究。

讲者简介：

刘方驿，博士，现为武汉大学弘毅博士后研究员。2024年6月获武汉大学博士学位，随后入职武汉大学计算机学院。主要研究方向为计算机视觉、多媒体检索等。已在人工智能领域的国内外高水平期刊与会议上发表论文7篇(包括TIP、ICCV等)。多次担任国际学术期刊和会议（如TIP、CVPR、ICCV、ECCV等）的审稿人。获批湖北省博士后尖端人才引进项目资助。

鲁剑锋 武汉科技大学

报告题目：

联邦边缘学习在线激励与公平优化

报告摘要：

联邦学习为边缘智能打破数据孤岛壁垒，联合构建群智感知模型提供了新颖的解决方案，领跑人工智能的最后一公里。然而异构联邦系统中多元群体难约束、任务在线匹配下社会公平难衡量、资源受限条件下系统高效难持续、复杂边缘环境中公平效益难平衡等问题严重阻碍了联邦边缘学习的公平协作增强与优化。本报告将介绍如何从寻求系统效益和社会公平最优平衡的视角出发，充分借鉴博弈论策略思维，采用最优化理论、李雅普诺夫优化、近似算法、机器学习等多学科交叉知识融会贯通，以博弈建模与均衡分析为特色，以新机制、新协议、新方法为创新，以原型系统开发与真实数据验证为保障，形成完整的研究体系联合解决联邦边缘学习在线激励与公平优化问题，突破制约联邦学习可持续性健康发展的关键技术瓶颈。

讲者简介：

鲁剑锋，湖北省“楚天学者”特聘教授、浙江省杰出青年基金获得者、武汉科技大学计算机学院三级教授、博导、CCF高级会员、CCF物联网/普适计算专委会执行委员、国家重点研发计划“物联网与智慧城市”重点专项答辩评审专家、湖北省/浙江省/上海市/广东省/江西省/海南省/黑龙江省科技计划项目评审专家等。主要从事边缘智能、联邦学习、群智计算等方向研究，借鉴博弈论策略思维，采用最优化理论、李雅普诺夫优化、近似算法、机器学习等多学科交叉知识融会贯通，联合解决联邦学习与群智计算中比例公平激励、服务交换、众包竞争困境等难题。近年来以第一作者/通讯作者在JSAC、TMC、TSC、TIFS、IJCAI、TOIT、TII、TVT、TCSS、TCE、TETCI、IOTJ、电子学报等有影响力的学术期刊及会议上发表论文50余篇，授权国家发明专利8件。先后主持国家自然科学基金4项、省部级课题7项。

罗茂   湖北工业大学

报告题目：

可满足性问题算法设计及其应用

报告摘要：

可满足性问题（SAT）是人工智能、计算复杂性理论领域的核心问题，其广泛应用于电子设计自动化、密码学、调度、规划等实际工业问题。SAT问题的求解算法经过数十年的发展已经得到了较大的性能提升，但是依然无法满足现有工业问题的求解需求。面对大规模工业问题，如何进行问题的约简，从而提升通用SAT求解器的求解性能是当前的一大技术难点；同时对于具体工业问题，如何设计专用SAT求解器来提升求解性能是当前的另一技术难点。在此次报告中，报告人将分别介绍SAT问题的化简方法及SAT技术应用于辩论模型等多种应用场景的研究。

讲者简介：

罗茂，男，湖北工业大学讲师。2022年毕业于华中科技大学计算机学院，获得博士学位，师从吕志鹏教授和李初民教授。2014年毕业于华中科技大学计算机学院，获得学士学位。主要研究方向为智能决策与优化、NP难问题求解、可满足性问题（SAT）的求解算法和电子设计自动化（EDA）软件设计。项目方面，主持国家自然科学基金青年项目，参与CCF-蚂蚁绿色计算专项科研基金项目等。学术研究方面，在人工智能国际顶级期刊和会议上发表多篇论文（如IJCAI-2017，IJCAI-2023，《Artificial Intelligence》，《SCIENCE CHINA: Information Sciences》）。学术竞赛方面，多次获得国际SAT算法竞赛冠军。

孙琨   中国地质大学

报告题目：

多视图关键点匹配方法及其应用

报告摘要：

在许多3D相关的视觉任务例如全景成像、基于视觉的定位和运动恢复结构中，建立在不同视角下拍摄的两幅图像像素之间的对应关系扮演着重要作用。然而，由于图像之间普遍存在的视点、光照、纹理、遮挡、旋转和尺度等差异，如何构建对下游任务友好的关键点对应关系仍然是一项具有挑战性的任务。这次报告将汇报我们在图像匹配、描述符学习和三维重建方面的一些研究。

讲者简介：

孙琨，博士，副教授。毕业于华中科技大学人工智能与自动化学院，现在中国地质大学(武汉)计算机学院工作。入选自然资源部高层次科技创新人才工程、地大学者“青年优秀”人才，中国图象图形学学会自然科学二等奖（序5），主持国家自然科学基金2项。他的主要研究方向为多视图图像匹配、大尺度运动恢复结构(SfM)、三维点云处理。他在CVPR, AAAI, ICME, T-PAMI, TIP, TMM, Information Fusion和Information Sciences等会议和期刊上发表了30余篇论文，授权发明专利6项。他也是中国图象图形学学会三维视觉专委会的成员。曾担任第二届中国三维视觉大会(China3DV 2023)、第三届中国三维视觉大会(China3DV 2024)的宣传主席、第十四届数字图像处理国际会议（14th International Conference on Digital Image Processing，ICDIP2022）、第十六届数字图像处理国际会议（16th International Conference on Digital Image Processing，ICDIP2024）的程序主席，受邀参加第十二届国际图象图形学学术会议（ICIG2023）三维视觉前沿论坛并作报告。  

汪承宁 华中科技大学

报告题目：

裸片面积约束下的高并行存算一体电阻存储器电路

报告摘要：

电阻存储器可原位执行乘累加运算，有望突破数据搬运造成的内存墙瓶颈。针对裸片面积约束导致现有存算一体子阵列执行乘累加运算时模数转换效率不高、列访问并行度受限等问题，本报告提出位线与感测放大器存储结点解耦的感测-缓冲核心晶体管电路，使能芯片“行列协同”、“充一读多”系列执行机制，实现了行块交错与列组流水功能，相比SOTA电路设计，显著提升DIMM存内矩阵计算执行性能。

讲者简介：

汪承宁，湖北武汉人。2021年6月于华中科技大学获博士学位，2019年入选国家项目赴美国杜克大学联培博士。研究领域是内存储器电路设计与EDA，获批主持国自然青年项目（2022），作为骨干参与国家重点研发重点专项、国自然重点项目、国家X委“十四五”、“十三五”预研项目（GF）等9项科研项目，完成Gb级PCRAM DIMM板卡与存算一体STT-MRAM芯片板卡研制；发表研究/综述论文20余篇，其中以第一作者发表论文8篇；申报发明专利9项。入选2022中国计算机学会“CCF优秀博士学位论文激励计划”初评提名，2篇第一作者论文受到CCF A类会议Best Paper Nomination (Track)，受邀在美国加州San Diego召开的NVMW 2021等5个会议上做口头报告，被CCTV央广网等权威媒体报道，并受科睿唯安、英国物理学会等科研采访。两次受邀担任CCF A类会议TPC Member，获2023英国物理学会杰出审稿人奖、2019教育部博士国奖等。

杨斌   武汉大学

报告题目：

面向低光照场景的无监督跨模态行人重识别方法研究

报告摘要：

可见光-红外跨模态行人重识别旨在根据特定嫌疑人的夜间红外的活动画面搜索其在白天的图像，在军事和安防领域具有重要的研究意义和应用价值，能够减少视频侦查的人工成本，有助于构建全天时智慧侦查系统。传统方法依赖于大量标注好的跨模态标签对来进行训练，但是跨模态标注的成本极高，限制了其在现实世界中的应用。本报告旨在分享更具有实际应用价值的无监督可见光-红外跨模态行人重识别方法，即利用未标注的可见光-红外数据集来训练一个跨模态行人重识别模型，建立了无监督跨模态行人身份关联与统一表示的理论框架，突破了跨模态特征不统一、聚类不一致和关联不可靠的瓶颈，大幅提升了无监督跨模态行人检索性能，进而提高了公安机关破案效率。

讲者简介：

杨斌，2024年6月博士毕业于武汉大学计算机学院，现为武汉大学计算机学院博后，主要研究方向为计算机视觉和多模态重目标识别。在国际重要期刊和会议（IEEE TIP、CVPR、ICCV、NIPS等）发表论文10多篇，其中以第一作者身份发表CCF推荐A类论文6篇，B类论文1篇，授权发明专利2项。获批武汉大学弘毅博后项目、国家博后资助计划、博后面上项目、湖北省尖端人才计划等。

赵进   华中科技大学

报告题目：

高性能软硬协同图计算技术研究

报告摘要：

图计算作为分析事物之间关联关系的重要工具，已成为大数据和人工智能的重要推动力，在科学发现、社会管理、金融风控等现实场景中都有广泛应用。图计算的非规则、稀疏等负载特征，对现代计算机系统设计带来了严峻的挑战，亟待解决非规则、稀疏图计算的高性能处理难题。为此，本报告将探讨高性能图计算优化技术，通过软硬协同的优化技术来构建高性能图计算系统，提高图处理能效。

讲者简介：

赵进，华中科技大学计算机科学与技术学院副教授，2022年9月在华中科技大学获得博士学位，主要研究图计算体系结构和系统软件，相关成果在ISCA、MICRO、SC、Eurosys、DAC、ACM TOS/TACO、IEEE TC/TKDE等会议和期刊上发表论文20余篇，入选CCF A类期刊IEEE TC的Featured Paper of the Month等，入选第九届中国科协青年人才托举工程，博士论文入选2023年度“CCF优秀博士学位论文激励计划”。

胡开喜 武汉纺织大学

报告题目：

当序列预测遇见意图动态，下一个是什么？

报告摘要：

行为序列预测旨在发现人类历史行为序列（如语言表达、用户-物品交互、犯罪事件、移动轨迹、阅读学习等）中的潜在意图，预测下一个行为发生的概率，在智慧城市和Web信息系统等领域具有广泛的应用价值。然而，在对下一个行为客观约束力较弱的场景中，人类的主观性会增加序列行为意图的动态性，为序列预测模型的训练带来了挑战。本次报告围绕行为意图动态性的核心科学问题，从行为意图动态性的量化分析、交互行为和未交互行为视角下的意图动态性建模等三个方面切入，讨论如何利用多个同伴预测模型之间的互相学习，促使序列预测模型精准捕捉潜在行为意图。

讲者简介：

胡开喜，武汉纺织大学讲师。2024年6月获武汉理工大学计算机科学与技术专业博士学位，悉尼科技大学CSC联合培养博士（2022-2023），主要研究方向包括：社会计算、序列预测/推荐、多模态信息融合等，在自动化学报、ACM TOIS、ACM TOIT、Information Fusion、IEEE SPL、CIKM、DASFAA、ICASSP等期刊和会议论文发表10余篇。

报告题目：

智能网联汽车可靠通信关键技术

报告摘要：

在复杂的真实车联网环境中，智能网联汽车存在异构性、高移动性和任务多样性等特点，车辆间的通信也呈现出动态性和资源受限性等特征，面向真实车联网环境的车辆消息传输仍然面临着诸多亟待解决的问题挑战。在此次报告中，报告人将从智能网联汽车通信的智能化、协同性、公平性、适应性四个方面切入，介绍可靠的智能网联汽车通信方法。

讲者简介：

韩玮祯，男，1996年11月生，武汉理工大学计算机与人工智能学院博士生。在国际著名期刊和会议上发表高水平科研论文20余篇。以第一作者或导师一作发表论文6篇，包括IEEE TMC（SCI一区，CCF A类期刊）2篇、IEEE IoTJ（SCI一区）1篇、IEEE ICDCS（CCFB类会议）2篇、CIVS（最佳论文奖，第一作者）1篇。荣获博士国家奖学金。担任IEEE TMC、IEEE TITS和Multimedia Tools and Applications等期刊审稿人。主要研究方向为车联网、智能交通、强化学习等。

陈悦   武汉科技大学

报告题目：

面向分层联邦学习的Non-IID数据和有限通信资源优化方法

报告摘要：

虽然分层联邦学习利用边缘服务器来减轻通信负担，但其模型性能会受到非独立同分布（Non-IID）数据和有限通信资源的影响。目前的研究通常假设数据是均匀分布的，但这与物联网的异质性相矛盾。为检查数据分布而进行的额外模型训练不可避免地增加了计算成本和隐私泄露的风险。解决这些问题的挑战在于如何在不涉及原始数据的情况下减少Non-IID数据的影响，以及如何合理配置通信资源以应对延迟问题。在此次报告中，报告人将展示基于联盟形成博弈和梯度投影的优化方法研究。

讲者简介：

武汉科技大学在读博士研究生，主要研究方向为联邦学习、激励机制和资源优化。目前已在IJCAI 2024（CCF-A类会议）发表一篇会议论文。

方修文 武汉大学

报告题目：

鲁棒异构联邦学习

报告摘要：

联邦学习是一种新兴的分布式机器学习框架，它利用安全加密技术，让多方在不泄露数据隐私的情况下，协同训练出高性能的机器学习模型。但流行的联邦学习方法通常基于参与者具有同构本地模型而设计。然而在现实场景中，参与者期望根据任务需求独立设计本地模型，并且不愿意公开模型细节，这就带来了联邦学习中模型异构的问题。此外，现有异构联邦学习算法都假设每个客户端有一个干净的私有数据集，但在实际应用中是难以满足的。客户端通常包含不可避免的数据噪声，数据噪声可以分为标签噪声和样本噪声。然而，现有算法无法有效地解决异构联邦学习框架下的各种噪声数据问题。因此，本报告对现有方法进行介绍与分析之后，将重点针对噪声数据下的鲁棒异构联邦学习方法进行汇报。

讲者简介：

方修文，武汉大学计算机学院2023级博士生，硕士毕业于武汉大学计算机学院，导师为叶茫教授。研究方向为联邦学习。目前以第一作者/学生第一作者于CCF-A类会议和SCI一区期刊上发文3篇，包括计算机视觉顶级会议CVPR 1篇，ICCV 1篇。此外，申请人积极为研究社区贡献力量，受邀担任CVPR、ICCV、ECCV等顶级会议的审稿人。申请人谷歌学术引用次数超300次，科研工作的开源项目累积星标超过180颗，申请国家发明专利2项。硕士毕业论文入选2023年中国电子学会优秀硕士学位论文。

刘海峰 华中科技大学

报告题目：

基于CXL的高可扩展近存计算系统

报告摘要：

现如今部署各类AI应用对内存容量和带宽的要求越来越高，催生出底层硬件架构朝着内存资源的分离和池化方向发展，以CXL为代表的新型总线协议为内存扩展与内存资源池化提供了一个前景广阔的解决方案。然而，受制于物理层有限的传输带宽，CXL虽然可以有效扩展内存容量，却无法高效扩展内存带宽。为了解决这个问题，我们提出 ReCXL，在CXL内存中引入近存计算，结合CXL的内存容量高可扩展和近存计算的内存带宽高可扩展，实现高性能、高可扩展的近存计算系统。此外，我们还利用ReCXL构建了一个异构计算框架，结合传统高算力加速器，分别为内存密集型和计算密集型算子加速。对推荐模型训练的评估结果表明，ReCXL 比 CPU-GPU 基准和原始 CXL 内存分别实现平均9.4×和平均 22.6×的性能提升。

讲者简介：

刘海峰，华中科技大学计算机科学与技术学院博士生，导师为郑龙教授。主要研究方向为计算机体系结构，聚焦于为数据搬移瓶颈的新型AI应用设计高效的存内计算、近存计算架构及系统，在ISCA、DAC、IPDPS、FPGA以及TCAD等国际学术会议和期刊上累计发表论文10余篇，申请专利3项，曾获得第八届“互联网+”大学生创新创业大赛金奖，华中科技大学国家奖学金，科技创新奖学金，三好研究生等荣誉。

施武轩 武汉大学

报告题目：

计算机视觉中的持续学习

报告摘要：

人类具有从经验中不断复用拓展知识的能力，即不仅可以将先前学到的知识和技能应用到新的环境中，还可以将它们作为以后学习的基础。这种持续学习的能力是强人工智能的重要特征，而以深度学习为代表的人工智能则难以具备。持续学习（Continual Learning），也称终身学习（Life-long learning）的研究旨在让深度学习模型具备在运行过程中不断学习和进步的能力。本次报告将分享近年来在计算机视觉领域中持续学习研究的主要进展，探讨持续学习研究的一些开放性问题并介绍我们在持续学习领域所作的一些工作和对未来的展望。

讲者简介：

施武轩，武汉大学计算机学院人工智能专业博士生，导师为叶茫教授。主要研究方向为计算机视觉、持续学习，在相关领域发表CCF-A类会议论文3篇，担任CVPR、NeurIPS、ICLR、IEEE TIP等国际会议或期刊审稿人。曾获中国研究生人工智能创新大赛国家一等奖，国家奖学金。

贺海旭   中国地质大学（武汉）

报告题目：

基于时域语义分割的遥感时间序列变化检测

报告摘要：

城市可持续发展过程伴随着频繁而复杂的土地覆盖变化，明确准确的土地覆盖变化信息可以为城市管理提供科学数据。为了在准确的时空尺度上表征城市发展，变化检测模型不仅需要提供变化的准确位置和时间，还需要提供变化类型的语义信息。因此，本研究提出了一种用于时间语义分割变化检测（TSSCD）的深度学习方法，该方法可以同时获取有关变化的地点、时间和类型信息。 TSSCD 模型通过学习从光谱信息到土地覆盖类型的逐月映射，弥合了遥感时间序列突变和土地覆盖变化之间的语义差距。我们基于全卷积网络实现了时间语义分割模型，其中所有二维卷积和池化操作都被一维替换，并在几个城市研究区域对 TSSCD 进行了测试，它始终表现出良好的准确性。最后，我们探索了一种使用现有产品构建数据集的方法，以最大限度地减少数据注释工作，从而产生了有希望的结果。但与完全手动标注相比，仍存在一定差距。总体而言，TSSCD 模型为准确描述时空尺度上的可持续城市发展提供了一种新颖的解决方案。

讲者简介：

贺海旭，中国地质大学（武汉）未来技术学院博士研究生，主要研究方向为遥感时间序列分类和变化检测。

姚昕智 华中农业大学

报告题目：

基于生物文本挖掘与组学数据融合的疾病分子机制研究

报告摘要：

随着生物医学领域的快速发展，越来越多的复杂疾病，如阿尔兹海默症和癌症，其分子病理机制的研究面临着数据量庞大和信息高度复杂的挑战。传统的生物学研究主要依赖于实验数据和假设驱动的模型，然而随着大数据时代的到来，如何从海量的文本和组学数据中有效提取有价值的生物医学知识，成为了当前亟待解决的问题。本报告将展示基于生物文本挖掘与组学数据融合的研究方法，用于揭示人类复杂疾病的分子病理机制。

讲者简介：

姚昕智，华中农业大学生物信息学博士研究生。主要研究领域包括生物自然语言处理，本体构建与应用，贝叶斯深度学习，单细胞转录组学。目前共发表论文14篇（其中SCI，EI收录9篇），代表作以第一作者发表在Genome Medicine及Scientific Data。荣获2024年博士研究生国家奖学金，2024年中国科协青年人才托举工程博士生省级推荐（正在中国科协最终审核）。应邀担任COLING 2025，npj?Digital?Medicine审稿人，及BIBM-22，EMNLP-23，ACL-23的协助审稿人。

张学林 华中农业大学

报告题目：

双层统计建模——初步探索

报告摘要：

尽管机器学习技术迅速发展，但其对数据质量的依赖性、对数据潜在噪声与结构的先验假设以及缺乏对预测机制的合理解释，限制了其在真实复杂数据环境下的应用。本报告融合双层优化策略构建了一系列模型，旨在提升模型对数据噪声的“鲁棒性”，自适应地学习数据潜在的结构以及提升模型决策的“可解释性”，并为算法的收敛与泛化性质提供统计理论保障。

讲者简介：

张学林，现就读于华中农业大学信息学院，三年级博士生。研究方向主要包括双层优化设计与统计理论分析，部分研究成果发表至人工智能会议AAAI, IJCAI, ICDM与期刊 ESWA, APIN, FCS。此外，还关注于机器学习在硬件安全领域的木马检测应用，研究成果已发表至IEEE HOST, ICCAD, ITC-Asia等会议，一项发明专利已授权。

周风帆 华中科技大学

报告题目：

重新思考针对人脸识别系统的目标攻击与无目标攻击

报告摘要：

人脸识别系统很容易被在自然图像上添加了人眼不可见的对抗扰动的对抗样本攻破。针对于人脸识别系统的对抗样本攻击主要可以分为两种类型：目标攻击和无目标攻击。目标攻击的目的是使人脸识别系统将对抗样本识别为某一个特定的人，无目标攻击的目的是使人脸识别系统无法将对抗样本识别出来。在实际应用中，攻击者倾向于在攻破人脸识别系统使系统将其识别为受害者，并使人脸识别系统无法将其本身识别出来以逃避法律责任。这就要求生成的人脸对抗样本可以同时完成目标攻击与无目标攻击。在此次报告中，报告人将展示可以同时完成目标攻击与无目标攻击的人脸对抗样本攻击方法研究。

讲者简介：

周风帆，华中科技大学计算机科学与技术学院博士生，研究方向为人脸对抗样本攻击。

朱慧琳 武汉理工大学

报告题目：

开放世界目标计数研究

报告摘要：

在计数问题的学术研究中，通常是在固定的数据集上训练在固定的数据集测试，这是非常理想的状态，而在现实监控场景下，存在着跨场景、跨目标、跨需求的挑战。为了将计数方法用到更多的场景和目标中，在此次报告中，报告人将展示如何在现有数据集基础上实现跨场景、跨目标以及不同需求下的目标计数。

讲者简介：

朱慧琳，武汉理工大学计算机与人工智能学院的三年级博士生，研究方向包括人群计数、迁移学习、计算机视觉。在顶级国际会议和期刊上发表了多篇论文，包括ACM MM、TMM、ECCV等，并在多个会议和期刊中担任审稿人。主要研究成果包括：1.DAOT: Domain-Agnostically Aligned Optimal Transport for Domain-Adaptive Crowd Counting，ACM MM 2023. （第一作者，CCF A类会议） 2. Find Gold in Sand: Fine-Grained Similarity Mining for Domain-Adaptive Crowd Counting, TMM 2024. （第一作者，中科院一区，JCR Q1，IF 6.5） 3. Fine-grained fragment diffusion for cross domain crowd counting ACMMM 2022. （第一作者，CCF A类会议） 4. Zero-shot Object Counting with Good Exemplars ECCV 2024.. （第一作者，CCF B类会议）5. Advancing Crowd Tracking: Leveraging BLIP for Enhanced Representation of Individuals in Dense Crowds. ACM MM 2023. （共同一作，CCF A类会议）。