报告题目1：指纹识别与深度学习

报告摘要1：生物特征识别是依据人类固有的生理特征或行为特征对个体身份进行鉴别的一门科学。指纹识别是其中一种重要技术，并得到广泛应用。本报告将介绍深度学习在指纹识别中的应用和进展。现场指纹特征提取是指纹识别中的一个非常困难的老问题。我们提出了一种统一的指纹特征提取网络Finger——结合指纹识别的领域知识，将经典指纹特征提取框架网络化，通过扩充网络容量，使得模型具有很强的鲁棒性，使用分模块训练，使得模型具有可解释性。目前移动端设备普遍采用的是电容式指纹识别，光学式屏下指纹识别是未来的发展方向。我们将介绍一种基于深度稠密多级特征的高分辨率指纹识别方法。

报告题目2：李群机器学习研究新进展

报告摘要2：本报告将从李群机器学习理论的研究及应用方面介绍讲者近年来在李群机器学习理论方面的研究工作。报告将解释为什么采用李群结构进行数据或特征描述，以此阐明李群机器学习与传统机器学习方法的区别，着重强调最近李群机器学习的研究进展，并对目前的研究现状，给出了李群机器学习未来的研究方向。

报告题目3：可视媒体的鲁棒表示和哈希索引

报告摘要3：图像和视频是可视媒体的主要数据形式，该报告从图像/视频的特这个表示、大规模可是媒体数据索引两个方面介绍讲者近年来在图像/视频特征融合表示，图像/视频单模态哈希学习和跨模态哈希学习方面的研究工作。

讲者介绍：

封举富，北京大学信息科学技术学院智能科学系教授，博士生导师。主要研究方向为模式识别与机器学习、生物特征识别及其应用。在国内外期刊和国际会议上发表论文100多篇。1993年，获第一届亚洲计算机视觉国际会议优秀论文奖。2000年获中国高校科技进步二等奖。2012年获公安部科学技术二等奖。

李凡长，二级教授，博士生导师，苏州大学东吴学者，苏州大学计算机科学与技术学院院长，百度人工智能协同创新院院长，江苏省网络空间安全工程实验室主任，苏州工业大数据研究所所长，苏州大学机器学习与类脑计算国际合作实验室主任，北京交通大学兼职教授、博导，国家自然科学基金重点项目负责人，科学中国人2015年年度人物。曾获省级科技奖二等奖2项，IEEE CS GRC Pioneer Award 1项。李凡长教授是动态模糊逻辑﹙Dynamic Fuzzy Logic，DFL﹚、李群机器学习﹙Lie Group Machine learning，LML﹚和多维度协同教育方法（Theory and method of multidimensional cooperative education）的主要提出者。

聂秀山，博士，教授，博士生导师。主要开展机器学习与数据挖掘、可视媒体检索与理解方面的研究工作。主持国家自然科学基金项目2项，省级项目5项，获得吴文俊人工智能科学技术三等奖1次（第1位），获得山东省高校优秀科研成果一等奖和二等奖各1次（第1位），获得山东省教学研究成果二等奖1次（第2位），获山东省“青年岗位能手”称号。校优势学科人才团队“数据挖掘与分析”团队带头人。近年来，在TIFS、TMM、ACM MM、SIGIR、ICME等重要学术期刊和国际会议上发表论文40余篇。目前是中国计算机学会人工智能与模式识别专委会委员，计算机视觉专委会委员，山东省人工智能学会常务理事，曾担任第七届中国数据挖掘大会（CCDM 2018）和CCF第一届国际人工智能会议（CCF-ICAI 2018）组织主席，第一届山东省人工智能会议程序主席。

本系列报告是前沿讲座，欢迎各位同学与老师参加。