2018年11月25日，第二届视觉大数据论坛在广州白云国际会议中心成功召开，此次论坛正值中国模式识别与计算机视觉学术会议（PRCV2018）召开之际，来自全国各地高等院校、科研机构、企业的近300位精英出席，得到了社会各界的广泛关注。
目前，全球视觉数据正在呈现爆炸式的增长，给视觉大数据的处理带来了前所未有的挑战，同时也给视觉技术的应用带来了巨大的机遇。本论坛旨在通过科研工作者、行业企业精英等视觉数据领域一线研究者之间的学术交流，共同分享我国视觉领域的最新理论和技术发展、深入挖掘视觉大数据中蕴含的价值，共同探讨视觉技术领域发展的新模式，对推动视觉大数据领域的理论创新、行业发展，以及促进领域间的交流具有重要的意义。
本次论坛由中国图象图形学学会视觉大数据专委会副秘书长严骏驰担任主持人，邀请了西安交通大学特聘教授龚怡宏，香港大学教授俞益洲，中科院自动化所研究员程健，中科院深圳先进技术研究集成所研究员乔宇，滴滴出行高级技术专家许鹏飞进行论坛报告。
首先，龚怡宏教授作了以“Transductive semi-supervised deep learning usingmin-max features”为主题的报告。龚教授介绍一种用于训练深度卷积神经网络(DCNN)模型的有效的半监督直推深度学习(TSSDL)方法。该方法将直推学习原理应用到卷积神经网络训练中，引入对未标记图像样本的置信度，克服了对离群值和不确定样本的不可靠标签估计，并发展了最小-最大特征(MMF)正则化，鼓励卷积神经网络学习具有更好的类间可分性和类内紧致性的特征描述符。综合实验表明，TSSDL方法能够得到与目前最先进的SSL方法不相上下的图像分类精度，TSSDL与Mean Teacher方法相结合能够在基准数据集上得到最优的分类精度。
龚怡宏教授作主题报告
然后，俞益洲教授作了题为“基于大数据的物体识别及其在医学影像分析中的应用”的报告，近年来，深度学习在基于大数据的物体识别方面取得了巨大的成功，受到人们的广泛关注。本报告第一部分主要介绍基于深度学习的图像分类、物体检测和语义分割算法，其中包括全监督和弱监督算法以及一种基于迁移学习的图像细粒度分类算法。第二部分主要介绍物体识别算法在医学影像分析中的应用，包括肺结节检出，分割，良恶性判别和脑出血辅助诊断。
俞益洲教授作报告
紧接着，程健研究员和大家谈到了“面向视觉大数据的深度神经网络计算优化”的研究，深度神经网络的计算复杂度和资源消耗也随精度的提高而不断增加，这给网络模型的部署带来重大挑战，特别是在实时性要求较高的应用或资源受限的设备中，如何有效地减少神经网络的计算消耗正成为急需解决的问题 本报告将从量化学习的角度介绍深度神经网络的高效计算方法，重点介绍研究组近年来在低比特量化方面的一些成果。
程健研究员作主题报告
接下来，乔宇研究员作了以“面向复杂视频理解的深度模型与应用” 为主题的报告。与图像相比，行为视频包含有丰富的运动信息数据维度也更高。同时由于视频中包含行为人、视角、背景、运动、遮挡等复杂的变化，非受控条件下的复杂行为识别和理解一直是一个极具挑战的问题。在这个报告中，乔宇研究员介绍了面向复杂行为的经典方法和最新进展，特别是乔宇研究员课题组近年来开展的一些工作。
乔宇研究员作主题报告
许鹏飞高级技术专家作主题报告
在论坛的Panel环节，大家思维活跃、积极提问，碰撞出智慧的火花，现场讨论亮点频出，气氛十分热烈。
论坛Panel环节
最后，主持人宣布第二届视觉大数据论坛圆满结束。
