基于锚点标签传递的快速聚类模型 、 人工智能 、 工业视觉检测
（一）特邀报告：聂飞平 教授 （题目：基于锚点标签传递的快速聚类模型）
（二）人工智能：王向荣 特聘副研究员 （题目：直觉性AI实现的信号传递机制探究）
史朝印 助理教授 （题目：一种适用于高维数据的隐式模糊聚类模型）
曾德宇 博士 （题目：对比多层级融合的多视图学习模型）
谭淇 博士 （题目：联合局部-全局信息的小样本图网络模型）
（三）工业视觉检测：田宜彬 教授 （题目：低空超分辨光学探测问题与方案）
王伟 博士 （题目：CRAS-Unet：MiniLED多类别缺陷检测的分割网络）
左佐 博士 （题目：基于CLIP的少样本无监督工业异常分类）
2025 年 1 月 3 日 (星期五) 下午 14: 00-16:30
（一）聚类模型的无参性以及快速性对于模型的推广应用至关重要。本报告将介绍一种新颖的目标函数，并由此提出基于锚点标签传递的快速聚类模型，该模型无需额外的参数即可得到足够确定和平衡的聚类结果。此外，该模型通过引入标签传递思想，将对样本标签的更新转化为对锚点标签的更新，使得算法在迭代过程中与样本个数无关，与锚点个数呈线性关系，因此能够处理超大规模数据。本报告还将介绍求解该模型的三种优化方法：坐标下降法、投影梯度下降法以及迭代变权法。通过理论及实验证明发现，在一定条件下，当投影梯度下降法的步长足够大时，投影梯度下降法与迭代变权法是等价的。
（二）针对我国在无人机等低空飞行器对有限口径下光电侦查设备高分辨率、多功能、小型化和轻量化的重大需求，我们从理论和技术两方面开展自然光照明条件下超衍射极限的远距离光学成像的探索性研究，自主研发基于单一图像传感器同步获取“可见光-近红外-偏振-深度”（RGB-NIR-Pol-3D）多模态高维信息的超衍射极限的光学成像系统，突破远距离超分辨成像和被动三维成像等理论和技术难点，研究基于物理模型、先验信息和感知任务融合引导的计算光场成像和弱监督与多任务学习多模态图像重建和超分辨方法，实现对一公里目标二维空间分辨率数倍的提升并具备目标深度和偏振信息的获取能力。
（三）针对我国在无人机等低空飞行器对有限口径下光电侦查设备高分辨率、多功能、小型化和轻量化的重大需求，我们从理论和技术两方面开展自然光照明条件下超衍射极限的远距离光学成像的探索性研究，自主研发基于单一图像传感器同步获取“可见光-近红外-偏振-深度”（RGB-NIR-Pol-3D）多模态高维信息的超衍射极限的光学成像系统，突破远距离超分辨成像和被动三维成像等理论和技术难点，研究基于物理模型、先验信息和感知任务融合引导的计算光场成像和弱监督与多任务学习多模态图像重建和超分辨方法，实现对一公里目标二维空间分辨率数倍的提升并具备目标深度和偏振信息的获取能力。
聂飞平，西北工业大学教授、博士生导师。2015年入选中组部青年重点计划并全职回国工作，2016年入选陕西省百人计划，2020年入选科技部中青年科技创新领军人才、国家重点计划科技创新领军人才。主要研究兴趣为机器学习理论与方法，并将所设计的方法成功应用于计算机视觉、数据挖掘、多媒体分析、生物信息学等实际问题中。在TPAMI、IJCV、ICML、NIPS等高水平期刊会议上发表系列学术论文，其中TPAMI论文30余篇，影响因子大于10的一区期刊论文200余篇，CCF A类会议长文100余篇。论文工作引起国内外学者的广泛关注，总被引用46000余次，H指数110。荣获CCF自然科学一等奖、CSIG自然科学一等奖、吴文俊人工智能自然科学二等奖等奖项。常年担任相关领域的审稿人、资深程序委员或领域主席，以及IEEE/Elsevier/Springer等多个SCI一区二区期刊编委。
田宜彬，深圳大学机电与控制工程学院特聘教授，国家高层次创新人才，深圳市孔雀计划A 类人才，伯克利加州大学视觉光学博士。主要从事计算成像和光学成像系统、晶圆级微纳光学器件、感知计算多模式集成化智能传感器（3D、多光谱、视觉+触觉）、感知-控制-执行一体化机器人末端执行器、图像数据挖掘和视觉检测、和多模式感知融合等研究和开发工作。硅谷11年前沿技术研发和管理经验，在光电传感和成像行业龙头和开拓性企业任资深科学家和首席工程师等职，研发产品服务于苹果、微软、英特尔、台积电、三星和华为等20多家财富500强企业。
撰写：曾德宇
排版：陈仕发
一审一校：任露洋
二审二校：马将
三审三校：郑纯
微信公众号