IGTA2024大会内容包括特邀报告、论文报告、前沿论坛、专题论坛、青托论坛、优博展示、参观展览等环节，诚邀专家学者们注册参会。
工业视觉技术与应用论坛
制造业是我国实体经济的基础，也是科技创新的主战场，我国制造业总体规模已连续14年位居全球第一。目前，所有制造类企业都面临着一个核心共性需求，即对工业制品的品质检测、质量监测。近年来，随着计算机视觉技术的快速发展，采用视觉检测技术进行产品的瑕疵检测已获得广泛应用。本论坛结合国内工业视觉技术的快速发展，旨在向学术界报告大模型时代下的工业视觉、工业制造表面缺陷检测、管道缺陷智能检测、面向罕见工业缺陷检测的小样本异常生成等重要热点技术的最新进展。
论坛主席
周瑜
华中科技大学副研究员
周瑜，华中科技大学副研究员，博导。主要研究方向为开放场景视觉分析、工业视觉。已发表高水平学术论文50余篇，包括IJCV，TIP，ICCV，ECCV，NeurIPS，《中国科学: 信息科学》等权威期刊及会议。获首届中国图象图形学学会高等教育教学成果奖一等奖（第一完成人），中国国际“互联网+”大学生创新创业大赛国赛金奖2项、第八届吴文俊人工智能科学技术奖技术发明三等奖、VOT2019-ST冠军。主导研发的工业缺陷检测人工智能平台在我国制造业500强企业广泛应用，获湖北省委全省通报表彰，《人民日报》等广泛报道。担任CSIG视频图像通信专委会委员，CSIG武汉会员活动中心执行委员，VALSE2022计算机视觉与工业应用研讨会主席。主持或参与国家自然科学基金项目、科技部“新一代人工智能”重大项目，湖北省新型显示产业重大科技创新项目等。
陶显
中国科学院自动化研究所副研究员
陶显，中国科学院自动化研究所副研究员，长期从事工业视觉智能检测研究，主持国自然面上、北京市面上、国自然青年、国自然地区合作、科技部2030“新一代人工智能”重大项目子课题等项目，发表IEEE trans论文十余篇，开发视觉设备和算法成功应用于中国工程物理研究院激光聚变中心，入选IEEE Senior Member，中国科学院青促会会员，曾获CVPR 2023学术竞赛亚军和最具创新奖，CAAI工业视觉比赛冠军。2019年获第十四届‘春晖杯’中国留学人员创新创业大赛高新技术组优胜奖，2022年获中科院科技促进发展奖，2023年获中国仪器仪表学会科技进步三等奖。
论坛讲者
丁贵广教授
清华大学
报告题目：模型推理优化技术研究
报告摘要：随着大模型技术的发展，模型复杂度变得越来越高、参数越来越多，给模型的高效部署带来的巨大挑战。模型的推理优化技术成为人工智能研究的重要方向之一，如何在不损失或较少损失模型精度的前提下，减小模型的计算复杂度是人工智能开展大规模应用的重要技术，对于推动大模型在智能手机、自动驾驶等端侧场景应用至关重要。本次报告将介绍深度学习模型的推理优化技术，重点介绍卷积神经网络的“训大用小” 的深度学习训练和部署方法论，并探索多模态大模型的压缩优化技术等。
个人简介：丁贵广，清华大学信息科学与技术国家研究中心党总支书记、副主任、教授，国家杰青获得者。以计算机视觉技术在国家公共安全、网络内容管理、自动驾驶、机器人和工业智能制造等领域的实际应用需求为出发点，开展视觉感知理解、视觉模型结构设计、视觉模型压缩优化等方面的研究，在网络多媒体内容处理、工业视觉缺陷检测等领域开展规模化应用，研发高效的视觉感知计算系统和平台。先后主持国家科学基金重点项目、重点研发项目等数十项。发表学术论文百余篇，Google Scholar引用17000余次，相关成果成功应用于快手、OPPO、京东、凌云光等单位。曾获国家科技进步二等奖、电子学会技术发明一等奖、人工智能学会吴文俊科学技术进步一等奖等奖项。
杨辉华教授
北京邮电大学
报告题目：工业制造表面缺陷视觉检测技术及应用
报告摘要：表面缺陷检测利用先进的图像处理和机器学习算法，能够自动识别和分类制造过程中的产品缺陷，是实现高质量、高效率生产的关键步骤。由于缺陷的形成原因不同，表面缺陷检测具有如下突出特点：1）缺陷形貌特征复杂，各种缺陷因素交织；2）缺陷种类多并在样本数量上呈长尾分布；3）因技术升级或数据标注不充分，生产过程中会出现未知类型缺陷。针对以上问题，本团队构建一系列融合多深度、多宽度的神经网络模块，以提取形貌差异较大的表面缺陷特征，并基于此模块构建了形状和尺寸感知的骨干网络。提出多种均衡特征提取的自监督学习方法，能有效提高对无标签数据和特征的利用率，从而充分捕获无偏置特征并提高长尾分布数据的检测性能。提出基于单分支网络的无监督学习方法，能持续提取已有数据和现场增量数据的缺陷特征，从而充分提取已知缺陷和未知缺陷的综合性特征。相关研究成果在宁德时代、比亚迪等国内知名大型锂电企业，以及金川集团、佳通轮胎等国内知名企业应用。
个人简介：杨辉华，北京邮电大学教授，博导。长期从事机器学习、视觉检测及其在工业和医学领域的应用研究。主持科技部科技创新2030--“新一代人工智能”重大项目课题、国家自然科学基金面上项目、省重点研发等纵向项目，以及中石化、国家电网和比亚迪等企业项目20余项。在IEEE TCSVT、IEEE JBHI等国内外重要期刊发表学术论文40余篇，获发明专利5项，出版译著一部。曾获国家科技进步二等奖、省科技进步二等奖（排一）、中国仪器仪表学会科技进步一等奖（排二）等科技奖励。2021年任第五届图像计算与数字医学国际研讨会（ISICDM 2021）程序主席，2023年任第三届工业自动化、机器人与控制工程国际会议（IARCE 2023）执行主席。
徐雪妙教授
华南理工大学
报告题目：基于知识引导的场景智能理解和生成技术
报告简介：数据与知识的双轮驱动已成为人工智能发展的重要趋势之一。报告将面向工业场景，围绕视觉技术在实际应用中面临的场景复杂多变、数据缺失且质量不可控等难题，介绍一系列基于知识引导的场景智能理解和生成创新技术。
个人简介：徐雪妙，博士，华南理工大学计算机科学与工程学院教授、博导、副院长，广州国际校区峻德书院副院长，广东省大模型与生成式人工智能工程技术研究中心主任，广东省卓越青年团队牵头人，广东省特支青年拔尖人才，珠江科技新星。
徐教授博士毕业于香港中文大学，研究方向为视觉智能、图形图像处理，及其在智能制造、智能交通等领域的应用。近年在国际重要期刊和会议发表论文70余篇，其中以第一或通信作者发表CCF A/Trans.论文40余篇，ESI高被引论文3篇；主持国家重点研发、国家自然科学基金、广东省及广州市重大专项等项目共15项，以第一完成人获得2022年中国图象图形学会科技进步二等奖，及2021年广东省科技进步二等奖。
宋克臣副教授
东北大学
报告题目：工业钢管缺陷智能检测方法与应用
报告摘要：工业钢管作为“现代工业的动脉”，广泛地应用于石油石化、航空航天、海洋工程等领域，缺陷智能检测系统作为保障产品质量的重要监测技术，已经成为工业钢管生产中必不可少的重要组成部分。本报告将分享课题组近年来在工业钢管缺陷检测与识别方面的研究工作：首先以无缝钢管内表面缺陷的检测需求为例，针对检测对象的属性特征，研发了一套检测设备，并分别针对缺陷“检不完”和“检不准”的难题，给出了具体解决方案；然后针对焊接钢管内部缺陷的检测需求，研究了一种疑似缺陷快速筛分方法、一种细粒度微小缺陷分割方法、以及智能化检测软件。
个人简介：宋克臣，东北大学副教授，博士生导师，英国拉夫堡大学访问学者，沈阳市拔尖人才。入选2023全球前2%顶尖科学家榜单，担任SCI期刊《Computers, Materials & Continua》副主编、SCI期刊《Sensors》和《Coatings》客座编辑、国家自然基金同行通讯评审专家，捷克科学基金（GACR）同行通讯评审专家、教育部学位中心博士学位论文评审专家，IEEE TPAMI、IEEE TNNLS、IEEE TCYB等国际期刊审稿人。作为项目负责人主持国家自然科学基金与省部级项目5项，参与3项。在IEEE TII、IEEE TIE、IEEE TCSVT等国内外重要学术期刊和会议发表学术论文一百余篇，其中ESI高被引论文11篇，ESI热点论文1篇。曾获得“辽宁省自然科学学术成果奖”、多个国际期刊“杰出贡献审稿人”、“教育部博士研究生学术新人奖励”、以及“优秀硕士学位论文指导教师”等奖励。
赵朝阳副研究员
中国科学院自动化研究所
报告题目：大模型时代下的工业视觉及行业应用
报告摘要：随着大模型技术的发展，其由语言模型逐步向融合了视觉以及音频的多模态放心进行技术演进，视觉语言大模型技术的进步使得其能够在广泛的下游场景任务中通过少样本的方式取得较好的泛化性和性能优势。本报告围绕着视觉大模型/视觉语言大模型在工业视觉缺陷检测方面的探索展开讨论，分享大模型技术在小样本、零样本缺陷检测方面的一些研究进展和探索工作，以及在实际场景中的落地应用情况。
个人简介：赵朝阳，博士，男，中科院自动化研究所副研究员，中国科学院正高级工程师，中科视语（北京）科技有限公司CTO。长期从事计算机视觉与人工智能算法相关落地应用研究，在视频内容分析、目标检测与识别、视觉预训练大模型、具身智能等方面开展相关研究工作。曾获2018年人工智能最高奖吴文俊奖，在人工智能领域CVPR，ICCV，ECCV，NeurIPS等国际会议以及TIP等国际期刊发表相关论文30余篇，获人工智能领域国内外竞赛冠军20余项，授权人工智能领域相关发明专利20余项。2018年起带领产业化团队围绕打造全栈国产化人工智能重大基础设施建设的使命，建设以工业大模型为核心的开放人工智能平台，相关研究成果在智能制造、智慧能源、智慧医疗等领域进行了产品化和市场拓展，取得了良好的落地应用示范。
张志忠副教授
华东师范大学
报告题目：受限工业场景下的视觉智能检测技术及应用
报告摘要：工业质量检验是电子制造、新能源、新材料品质管控的重要环节。以锂电池、3C生产为例：安全质检要求高（十亿分之一）、检测速度快（秒级）、精密部件多（数千）、组装工艺复杂（数十道工序）、产品迭代快，迫切需要质检智能化。本次报告聚焦受限工业场景下的工业视觉检测技术，结合新能源锂电池的质检需求，探讨细微缺陷成像及复原、样本受限下的工业视觉检测及模式受限下的缺陷持续学习方法，为视觉智能检测技术提供新的解决思路和关键技术支撑。
个人简介：张志忠，华东师范大学副教授，中国图象图形学学会动画与数字娱乐专委会委员，主要研究方向为机器学习以及计算机视觉，研究成果集中于多视图学习、自监督学习等。作为项目负责人，先后承担了国家自然科学基金青年项目、上海市人工智能重大专项，CAAI—Mindspore学术奖励基金，参与国家自然科学基金重大项目、国家“科技创新2030”重大项目等，在国内外权威期刊和顶级会议上共发表和接收学术论文40余篇，包括CVPR，ICCV，AAAI等。
Copyright © 2024 北京图象图形学学会
电 话：010-82525258
邮 箱：igta@bsig.org.cn
网 站：www.igta.org.cn
微 信：BSIG82525258
当前位置: 
京公网安备 11010802035643号