2019年7月12日，第76期CCF-CV走进高校系列报告会在南京邮电大学三牌楼校区科技会堂成功召开。本次研讨会由中国计算机学会计算机视觉专委会主办，南京邮电大学通信与信息工程学院承办，江苏省人工智能学会模式识别专委会、南京邮电大学通信与网络技术国家工程研究中心、南京邮电大学宽带无线通信与传感网技术教育部重点实验室、江苏省图象处理与图象通信重点实验室以及南京邮电大学通信与信息工程学院信号处理与传输研究院协办。本次研讨会邀请到华中科技大学刘文予教授、南京理工大学杨健教授以及哈尔滨工业大学左旺孟教授做特邀报告，并由南京邮电大学通信与信息工程学院周全副教授担任执行主席。三位专家就弱监督物体检测、自主驾驶视觉环境感知与理解、多域视觉联合增强与跨域迁移等前沿领域做了深入探讨。活动当天正值暑假并且天降大雨，但这丝毫没有影响大家求知的热情。来自东南大学、南京信息工程大学、南京工业大学、南京农业大学、南京邮电大学等高校的140余名师生参加了本次研讨会，聆听了专家的精彩报告，并同与会专家进行了积极讨论与交流。
南京邮电大学通信与信息工程学院周全副教授首先致辞，并对各位特邀专家来到南京邮电大学表示热烈的欢迎和衷心的感谢。周全副教授表示，2018年1月7日，“CCF-CV走进高校活动”首次走进南京邮电大学，取得了巨大成功，并在学术界产生较大影响。此次再次在南京邮电大学举办该活动，是为了介绍和普及更加前沿的人工智能、计算机视觉和深度学习技术；聆听学术界对领域内热点议题的见解和讨论；同时让领域内的专家学者进行良好的沟通交流，共同促进中国人工智能和计算机视觉领域的发展。
华中科技大学刘文予教授首先做特邀报告，其报告题目是“基于弱监督学习的物体检测”。刘教授指出，传统的深度学习物体检测方法需要使用有详细物体位置和类别标注的图像数据进行训练，但收集这些标注十分费时费力，而基于弱监督学习的物体检测只需要使用图像级标注信息的数据进行训练，获取这些数据相对容易。为此，刘文予教授提出一系列弱监督物体检测解决方案，并且结合课题组的工作，介绍了基于多示例学习的弱监督物体检测网络。该网络使用多示例学习方法将候选区域分类结果进行聚合，使得网络可以直接使用图像级别标注作为训练数据，并探索了在多任务学习的框架下同时建模和优化图像分类和目标检测任务的机制，通过两种不同视觉任务之间的相互促进作用来提升彼此性能。
南京理工大学杨健教授的报告题目是“面向自主驾驶的视觉环境感知与理解”。杨教授首先介绍了南京理工大学在自主无人驾驶领域的研究历程，然后就环境感知与理解技术进行展开，重点介绍了其课题组在阴影检测与去除、车道线检测、行人检测与姿态估计、场景分割与深度估计等方面的工作。在阴影检测与去除方面，杨教授介绍了利用集成学习的思想，通过特征堆叠的方式构建神经网络架构的方法；在车道线检测方面，杨教授介绍了通过辅助线定位的方法来提高车道线检测的性能；最后，杨教授介绍了通过联合建模和优化的方法同步解决场景分割与深度估计问题。杨教授的报告展示了大量视频测试demo，给大家留下了深刻的印象。
最后，哈尔滨工业大学左旺孟教授做特邀报告，其报告题目是“多域视觉联合增强与跨域迁移”。左教授指出，随着网络互联互通的发展以及视觉感知、传输和分享的普及，越来越多的视觉任务开始考虑多域数据间的关联、整合以及迁移，从改善模型和算法的泛化和适应能力。左教授指出，多域视觉学习的关键在于对多域数据的关联性和差异性的挖掘与利用，此次报告左旺孟教授结合生成式对抗网络和领域自适应等技术，汇报了实验室在多域联合增强与生成、数据层面上的图像翻译和特征层面上的跨域迁移等方面的研究进展。
此次CCF-CV走进高校系列报告会持续了三个多小时，三位专家学术功底深厚、研究成果丰硕，为本期“CCF-CV走进高校系列报告会活动”奉献了三场高质量的专业学术报告，给大家留下深刻印象。每轮报告结束后，专家与听众亲切互动和交流，并对大家提出的问题进行一一解答，现场听众受益匪浅。