5月17日，第二届世界智能大会教育与学术分会场机器视觉与学习论坛在天津大学举办。该论坛由天津大学、天津市海河教育园区管理委员会承办。天津大学软件学院副院长张加万教授出席论坛并致辞，论坛特邀请北京大学林宙辰、天普大学凌海滨、华中科技大学白翔、哈尔滨工业大学左旺孟、南开大学程明明、大连理工大学刘日升、北京大学刘家瑛、北京邮电大学李春光、华中科技大学王兴刚做报告。此外众多企业人士和高校师生参加此次论坛，论坛由 “北洋青年学者”郭晓杰教授主持。

　　程明明教授从自己的项目研究成果出发，详细介绍了机器学习在图像语义识别中的应用。他谈到像素级图像语义识别是许多重要计算机视觉和计算机图形应用程序的基础。虽然相关研究近年来取得了快速发展，但现有的最先进的解决方案严重依赖于质量和像素的精确图像解释。相比之下，人类可以自主学习如何通过在线搜索来实现高精度的语义识别和目标提取。受到这一现象的启发，我们从分类独立的语义特征提取技术开始，如显著性对象检测、图像分割和边缘提取。他还介绍如何使用这种分类独立的图像语义特性来减少对语义学习过程中精确注释的依赖，然后实现一个不需要的人工标注的图像语义识别技术。凌海滨教授通过利用并行技术及借鉴SLAM中并行跟踪和映射技术，从全新的角度提出一种新颖的并行跟踪和验证（PTAV）框架，对实时和高精度的跟踪研究进行介绍。白翔教授对近年来场景文本检测与识别主流研究技术进行简要的回顾，对场景文本检测与识别（Photo OCR）领域的最新研究进展，尤其是面向任意形状文本的检测与识别方法及端到端识别神经网络研究做了介绍，对该领域未来的发展趋势做出展望。左旺孟教授介绍如何对自编码网络进行相应改进与调整，并针对图像编码问题，提出一种重要性图子网络来解决对于离散化和码率控制导致的离散化问题，并将其应用于图像填充、人脸属性编辑和图像编码等底层视觉问题中。优化问题一直都是机器学习不可或缺的一部分，然而太多相关的教材和研究资料，让初学者很难掌握优化算法，林宙辰教授在报告中通过解释松弛优化过程中的处理流程，系统的介绍了一些实用的优化算法。李春光教授介绍通过结构化稀疏空间聚类的联合优化框架来学习高维数据的密切关系与数据抽取。该框架基于将每个数据点表示为与所有其他数据点的结构化稀疏线性组合，通过利用部分边缘信息，该框架扩展到约束子空间聚类，部分标签可用的半监督学习算法中。深度学习在许多应用中取得了巨大成功，但是大多数现有网络通常以启发式方式设计，因此缺乏严格的数学原理和派生。刘日升介绍了集成经实验验证的网络架构和丰富的任务提示来建立深层学习模型等一系列最新研究方法。刘家瑛教授在报告中介绍了 “视觉编辑”，利用空间高度规律性的分析指导文字效果的合成，对如何使用深度学习框架在单幅图像解决雨雾问题展开介绍。王兴刚介绍了一些使用端到端训练的深度网络解决弱监督视觉学习问题的方法，并介绍了对目标检测和语义分割，分别提出了两种称为提案聚类学习（PCL）网络和深层种子区域生长（DSRG）网络的新型网络。

　　本次机器视觉与学习论坛聚集了来自中外顶尖的机器视觉与机器学习方面的专家学者，论坛期间他们分别分享自己的研究，并对机器视觉与机器学习领域的研究趋势做出展望。本次论坛在众多学者的交流中取得了成功，期待机器视觉技术研究能在未来的道路上，走的到更“深”、更“广”、更“远”。

　　（编辑 赵晖 仇丁丁）