第一百零三期科技大讲堂：虚拟现实：科学、艺术和工程等

各部门、各单位：

应beat365官网邀请，中国图象图形学学会专家周明全教授（北京师范大学）、贺小伟教授（西北大学）、管子玉教授（西北大学）将于2017年10月16日下午来beat365官网作学术报告，具体安排如下:

报告一

题目：虚拟现实：科学、艺术和工程

报告人：周明全教授，博士生导师

时间：2017年10月16日下午2：30-3:30

地点：金花校区服装学院多功能厅

周明全教授，博士生导师。北京师范大学虚拟现实与可视化技术研究所所长，教育部虚拟现实应用工程研究中心主任，北京市文化遗产数字化保护重点实验室主任，中国虚拟现实与可视化技术产学研战略联盟理事长。

周明全教授近年来主要研究实体数字化建模、智能处理和重构虚拟环境问题，形成了实体建模方法、模型计算系统、虚拟现实工程的研究方向，主要在虚拟医学，文化遗产虚拟工程，虚拟教育等科学前沿方向有创新性研究成就。获得国家科技进步二等奖1项，省部科技进步奖15项，国家教学成果奖4项。发表SCI、EI检索学术论文120余篇，专著5部，主编国家规划教材4部。科学研究成果在多个领域推广，获得良好的社会效益和经济效益。

内容简介：随着信息技术的发展，虚拟现实在人类发展、社会生活扮演越来越重要的角色，从科学、艺术和工程的多维度的认识虚拟现实，在虚拟现实中发现科学规律、创新艺术领域、推进工程化生产，对于VR的研究、发展和推广有重要意义。

报告二

题目：面向精准医疗的医学成像新技术

报告人：贺小伟教授，博士生导师

时间：2017年10月16日下午3：30-4:30

地点：金花校区服装学院多功能厅

贺小伟教授，博士生导师，主持国家自然科学基金面上项目2项，陕西省科技计划项目2项，陕西省自然科学基金1项，陕西省教育厅科学研究计划产业化项目1项，在IEEE Trans. on Med. Imaging、Biomed. Opt. Express等高水平刊物发表论文30余篇，获得陕西省科学技术二等奖1项。

贺小伟教授是西北大学现代教育技术中心主任，信息化建设领导小组办公室主任、陕西省青年科技新星、西北大学优秀青年学术骨干支持计划首批入选者，教育部创新团队“文化遗产数字化保护与传播”及陕西省重点科技创新团队“媒体大数据分析与检索创新团队”成员、分别于2011、2005年在西安电子科技大学和西安交通大学获得博士、硕士学位，西北大学博士后，2014年在美国约翰霍普金斯大学做访问学者。主要从事光学分子影像、医学图像处理及可视化、颅面形态学等研究。中国图形图像学会理事、中国光学学会生物医学光子学专委会青年委员、陕西省图形图像学会常务理事、陕西省信号处理学会理事。

报告三

内容简介：医学成像技术使得医生能够探索机体中各个系统、组织、器官到细胞、分子更加微观结构，能将人体的内在变化精准地呈现出来，这对于及时诊断疾病，精准治疗疾病都有极大的帮助，可以实现快速精准医疗。在本报告将对分子影像几种典型的成像模态，从成像系统、成像算法等方面予以介绍，在此基础上，介绍影像组学的相关研究进展。

题目：基于弱标注信息的深度学习

报告人：管子玉教授，博士生导师

时间：2017年10月16日下午4：30-5:30

地点：金花校区服装学院多功能厅

管子玉教授，博士生导师。承担国家自然科学基金面上项目、优秀青年科学基金项目、国家863项目和教育部创新团队项目等。在数据挖掘、信息检索、数据管理等领域的顶级国际会议和期刊发表论文40余篇，包括ACM WWW、ACM SIGMOD、VLDB、IEEE ICDE、ACM SIGKDD、ACM SIGIR、IJCAI、AAAI、IEEE TKDE等。担任领域内知名SCI期刊Neurocomputing和International Journal of Machine Learning and Cybernetics的编委，担任多个顶级国际会议程序委员会委员，如SIGKDD、IJCAI、NIPS、AAAI等，担任顶级会议IJCAI 2017资深程序委员会委员，是国际会议环太平洋多媒体会议PCM 2016的组织主席。

管子玉教授是国家优秀青年科学基金获得者。2004年本科毕业于浙江大学，同年保送直接攻读博士学位，师从陈纯院士，于2010年浙江大学博士学位。2010-2012年在美国加州大学圣芭芭拉分校从事博士后研究工作。2012年进入西北大学工作。获陕西省青年科技新星称号。

内容简介：深度学习近年来获得了学术界和工业界广泛关注。但是，深层神经网络需要通过大量的训练数据来学习。传统的无监督预学习技术假设数据的分布能有效帮助学习目标语义，因此并不能很好地解决语义鸿沟问题。而在有监督学习方面，针对具体学习任务的大规模标注数据也较难获得。弱标注数据指的是由于存在噪声或者不契合等问题而无法直接用于解决所关注学习任务的语义标注，如互联网用户产生的评论评分。弱标注数据中含有大量的语义信息，如何有效利用这些信息训练神经网络是亟需解决的问题。本次报告主要包括两块内容：（1）利用评论评分信息学习深层情感分类模型；（2）利用图片级标注学习图片中物体的哈希表示，解决基于物体的图像检索问题。

科技处 计算机科学学院

2017年10月15日