报告题目：基于深度学习的人脸分析

报 告 人：雷震 博士

中国科学院自动化研究所

主 持 人：郭树旭 教授

报告时间：2017年5月23日 14:00

报告地点：唐敖庆楼D310报告厅

主办单位：电子科学与工程学院

集成光电子学国家重点联合实验室

物质科学吉林省高校高端科技创新平台

报告摘要：

深度人脸是近两年计算机视觉领域研究热潮中的一个热门方向，基于深度学习的人脸识别算法在LFW测试集的识别准确率甚至远远超过了人眼。人脸识别研究从最初被视为一般性的模式识别问题，到今天已经深入发展为面向真实条件下的识别研究。传统人脸识别方法采用特征提取方法如Gabor小波特征、局部二值模式特征等，特征降维如主成分分析，以及分类器如K近邻等等。2014年Facebook开发了基于深度CNN的人脸验证系统DeepFace，此后涌现出DeepID，DeepID2等一系列深度学习人脸识别算法。深度学习技术并不是一种全新的模型，由于互联网大数据的兴起，计算机计算能力的增强，以及网络模型的不断发展，深度网络重新被关注且在多个领域屡获成果。虽然基于深度学习的人脸识别取得了巨大的进步，但构建能够有效克服姿态、表情、年龄变化影响的基于深度学习的人脸分析方法，是人脸分析面临的巨大挑战。

雷震博士，中国科学院自动化研究所副研究员。2005年毕业于中国科学技术大学自动化系，2010年博士毕业于中国科学院自动化研究所模式识别国家重点实验室。主持和参与十三五国家重点研发项目，国家自然科学基金，国家科技支撑计划，中国科学院重点部署项目，工信部物联网专项等项目。主要研究方向为智能视频分析，人工智能等，发表论文100余篇，其中包括计算机视觉与模式识别领域顶级期刊IEEE TPAMI，图像处理领域顶级期刊IEEE TIP，计算机视觉和模式识别顶级会议ICCV, CVPR, ECCV等。Google Scholar文章引用次数超3890 次，H-index：36，授权发明专利5项，申请发明专利9项，作为主要起草人，发布国家公共安全行业标准3 项。作为算法负责人研发的人脸识别系统应用广泛，该系统曾应用于2008年北京奥运会实名制门票验证系统，雷震博士也获得了2008年北京奥运会的突出贡献奖。