报告题目：行人重识别-从个体到小群体若干进展

报告时间：2023年4月15日09:00-10:15

报告地点：美高梅4688集团am大楼8楼报告厅

报告人：赖剑煌

报告人国籍：中国

报告人单位：中山大学美高梅4688集团am

报告人简介：中山大学美高梅4688集团am二级教授、博士生导师。广东省信息安全重点实验室主任。中国图象图形学会副理事长、会士，广东省图像图形学会理事长（第四、五届）。中国计算机学会杰出会员，中国计算机学会计算机视觉专委员会副主任（第一、二届）、广东省人工智能与机器人学会副理事长、广东省安防协会人工智能专委会主任。1986、1989年分别在中山大学获学士、硕士学位，并留校任教。1999年在中山大学获博士学位。主要研究领域为计算机视觉、模式识别和机器学习。已主持承担国家自然科学基金与广东联合重点项目、科技部科技支撑课题、国家自然科学基金等。获得广东省科学技术奖励自然科学类一等奖（2018排名1），广东省科学技术奖励科技进步类二等奖（2016，排名3）、获得丁颖奖（2019年）、享受国务院政府特殊津贴。已发表了约200篇学术论文，主要发表在ICCV、 CVPR、 ICDM等专业重要学术会议以及IEEE TPAMI、IEEE TIP、IEEE TNN、IEEE KDE、Pattern Recognition等国际权威刊物上。

报告摘要：行人重识别的研究已经开展十五年了，当前研究重点主要聚焦在如何与现实场景结合更好地应用方面，其中不仅包括研究行人重识别的跨模态、低分辨率、遮挡等应用难题，也包括研究跨场景非监督学习、迁移学习、图像生成方法等问题。报告将首先介绍我们实验室在行人重识别方面的探索和成果。

另一方面，小股人群重识别与传统行人重识别不同，所面临的独特挑战在于如何针对群内成员的数量变化和布局变化进行建模，并提取稳定、鲁棒的特征表达。近年来，小股人群重识别引发了研究人员的广泛关注，并获得了快速的发展。报告主要介绍行人重识别和小股人群重识别技术的科学问题和相关研究进展情况，包括我们实验室在小股人群重识别研究探索和实践方面成果：跨视域场景中基于显著性关键点、孪生网络、不确定性建模、群组三维布局重建等方式的鲁棒群体特征提取，基于行人-群体距离、最近置换距离等方式的群体度量方法，基于行人-群体关联性的跨域重识别技术和构建大规模虚拟现实群组数据集City1M，跨模态群组数据集CMGroup等。

邀请人：许永超