2017年文档图像分析与识别前沿理论与应用研讨会

特邀讲者介绍

刘成林，中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师，2005年入选中国科学院“百人计划”，2008年国家杰出青年科学基金获得者。1989年毕业于武汉大学无线电信息工程系，1992年在北京工业大学获电路与系统专业工学硕士学位，1995年在中国科学院自动化研究所获模式识别与智能控制专业工学博士学位。1996年3月到1997年10月在韩国科学技术院（KAIST）从事博士后研究。1997年11月到1999年3月在日本东京农工大学从事博士后研究。1999年3月到2004年12月在日立中央研究所（东京）先后任研究员和主任研究员。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国际期刊和国际会议上发表论文220余篇，合著英文专著一本。现任国际刊物Pattern Recognition, Image and Vision Computing, Int. J. Document Analysis and Recognition, Cognitive Computation的编委和国内期刊《自动化学报》的副主编。美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士 (IAPR Fellow)。

报告题目：文档图像分析与识别研究前沿

报告摘要：20世纪60年代以来，文档分析与识别（也称文字识别）领域的方法研究和技术应用取得了很大的进展。近年来，随着互联网、物联网的发展和智能手机的普遍应用，产生了许多新的文档分析需求，对学术研究和技术开发产生了明显的推动作用。深度学习方法的发展和应用促进了文档分析与识别性能的快速提高，但是面向实际应用仍然存在很多有待解决的技术问题。本报告中，我首先回顾一下文档分析领域的发展简史和主要方法，然后介绍几个目前面临大量需求的应用领域，包括一些传统应用领域（银行票据处理、邮政地址识别）和新生的应用领域（网络文档检索、古籍文档数字化、教育和医疗领域的应用）。针对这些应用中的挑战性技术问题，我提出一些前沿研究方向。深度学习是一个重要选项，但还有很多其他的科学技术问题和方法值得深入研究。

汤帜，北京大学计算机科学技术研究所副所长、研究员、博导，数字出版国家重点实验室主任。曾担任方正集团科学家、方正阿帕比公司CTO等职务，长期从事新闻出版领域的应用技术研究与开发，研究领域包括版权保护技术、自动排版技术、文档格式工程、文档识别、数字出版等领域，发表学术论文100多篇，获授权发明专利30多项，主持的项目曾获国家科技进步二等奖、北京市科技进步二等奖、信息产业重大技术发明奖等。曾担任新闻出版广电总局重大科技专项国家数字复合出版系统工程和数字版权保护技术研发工程分包的技术负责人，还曾主持了十多项国家和省部级科研项目。曾获全国优秀科技工作者、百名有突出贡献的新闻出版专业技术人员、全国新闻出版行业领军人才、中国青年科技奖等荣誉。

报告题目：面向数字出版的文档处理技术

报告摘要：随着电子书、手机报、电子期刊等数字出版物的普及，数字出版和移动阅读的时代已经来临。其中，如何将出版社、报社等出版机构的历史文档和存量资源盘活，将其转化为数字出版时代的内容形式，如何识别挖掘传统出版物文档图像的内容、版式、结构、语义等信息，自动实现文档碎片化、结构化、知识化；移动互联网环境下，什么文件格式是最普适的，PDF、ePub格式够用吗？如何在保护数字版权的同时，减少对软硬件环境的限制，如何支持灵活多样的出版业态？在此报告中，将逐个探讨。

白翔，华中科技大学电子信息与通信学院教授、博导、国家防伪工程技术研究中心副主任，国家自然科学基金优秀青年基金获得者。先后于华中科技大学获得学士、硕士、博士学位。曾先后访问于美国Temple大学和加州大学洛杉矶分校，入选微软铸星计划。他的主要研究领域为计算机视觉与模式识别、深度学习，具体包括目标识别、形状分析、场景文字检测与识别及智能交通系统。他已在计算机视觉与模式识别领域一流国际期刊和会议如PAMI、IJCV、CVPR、ICCV、ECCV、NIPS、ICML、AAAI、IJCAI上发表论文40余篇，担任国际期刊Pattern Recognition、Pattern Recognition Letters、Neurocomputing、Frontier of Computer Science编委，JCST客座编委。尤其在形状的匹配与检索、相似性度量与融合、场景OCR取得了一系列重要研究成果，引起了国际同行的关注，入选2014-2016年中国高被引学者。他的研究工作曾获微软学者，国家自然科学基金优秀青年基金的资助。担任IEEE SPS Wuhan Chapter主席, 中国计算机学会计算机视觉专委会（CCF-CV）常务委员，中国图象图形学学会理事，是视觉与学习青年研讨会在线活动（VALSE Webinar）主要发起人之一。

报告题目：关于场景文本检测与识别研究的思考与展望

报告摘要：场景文本检测与识别已成为近年来计算机视觉与文档图像分析领域的热点问题。这次报告我将首先简略回顾近期国际先进的相关方法；接着，我将归纳场景文本检测与识别研究目前存在着的共性问题及可能的解决思路；最后，我将对该方向的未来研究趋势及潜在应用做出展望。

孙俊，2001年毕业于清华大学自动化系，获博士学位。2002年加入富士通研究开发中心有限公司，历任研究员，主任研究员等职位，现任信息技术研究部部长。带领团队主要从事图像处理，模式识别，机器学习，自然语言处理方面的核心技术研究。多项研究成果已应用于富士通的产品中，手写字符识别技术在国家人口普查等项目中得到成功应用。发表文章数十篇，专利数十项，连续多年担任ICDAR、ICHFR、DAS、ACPR等多个国际会议的程序委员会委员。

报告题目：面向应用的AI技术研究

报告摘要：随着人工智能近年来的飞速发展，以深度学习为代表的人工智能技术正在各个行业中得到尝试和应用。本报告介绍了富士通研发中心在文档图像处理、文字识别、声纹识别、自动网络推荐等领域的最新研究进展，同时对深度学习在企业实际应用中面临的问题和挑战进行了探讨。