讲座题目：
深度人脸分析和识别
讲座内容：
介绍两种用于实时人脸对齐的深度方法，即CFAN 和 FEC-CNN。为了利用具有不同标注的数据集，提出了一种深度回归网络和稀疏形状回归(DRN-SSR)相结合的方法来预测各种地标的联合。此外，我们提出了深度回归网络与de-corrupt自编码器(DRDA)相结合。其次，提出一个用于面部表情编辑的深度架构FBNet。最后，将介绍一个可变形人脸网络(DFN)来处理人脸识别中的姿态变化。DFN引入了可变形卷积模块，同时学习面向人脸识别的对齐和特征提取。
主讲人介绍：
张杰，2017年中科院计算技术研究所博士毕业，现任中科院计算技术研究所助理研究员，中科视拓联合创始人。研究方向为深度学习技术及其在计算机视觉领域的应用。相关研究成果发表在计算机视觉国际顶级学术会议ICCV, CVPR和ECCV，Google学术引用500多次，在华为手机、社保异地认证、安防监控等产品中得到实际应用。SeetaFace开源引擎的作者之一，拥有十多篇关于人脸分析和识别方面的专利，并担任国际期刊TPAMI，IJCV，TIP，TMM和TNNLS审稿人。获得ACM MM 2017亲属关系识别国际竞赛冠军和CVPR 2017面部关键点定位国际竞赛亚军。
