IEEE SIDAS 2016参会总结

今年的IEEE SIDAS（IEEE SIGNAL AND DATA SCIENCE FORUM）会议紧接VALSE2016在武汉同一个会场举办。时间是4月25-26日，会议日程非常紧凑，有不少报告是在不同的会议厅并行举办。总的来说，会议的嘉宾有很多的大牛（感觉比VALSE更senior），报告偏学术一些，还有不少针对学生的panel。但是，参会人数远不如VALSE2016，没有demo展示，基本看不到企业的影子（只有sensetime做了5分钟介绍），poster也很少，没有专门的时间安排。会议日程如下：

报告选摘介绍

由于我是做CV(计算机视觉)方向的，所以在两个并行进行的报告中选择了偏CV方向的报告厅。报告都很精彩，我选择了我感兴趣的几个简单介绍一下。

1. 张磊，香港理工

讲了sparse coding，其提出的weighted nuclear norm minimization方法在图像去噪，去模糊，超分辨率重建，image painting上的应用。最后的总结如下



2. 陈熙霖，中科院计算所

* 陈教授讲的非常精彩。从模式识别的本质问题出发进行深入浅出的讲解。

* 陈教授是IEEE fellow，整个会议过程中非常活跃，几乎每场报告都会提出非常有价值的问题，感觉思维非常活跃，喜欢从问题本质入手。

3. 胡传平，公安部三所

胡老师讲述了他们团队在保障公共安全中使用的人工智能技术。结合真实的案例，介绍了视频结构化描述，结合语义信息的多源数据融合，人脸识别，主动视频摘要浓缩等工作。

4. 牛志升，清华大学

牛教授是清华信息学院副院长，介绍了如何提高基站的利用率，提出了super-cellular的概念；提出了基站布设的越密反而可能越节能的颠覆性研究，这是因为基站的能耗主要在信号处理，基带等底层，射频功耗只占了不到10%，所以即使基站空闲也很耗电，关掉才能节能。报告中大量引入了不同地方的移动数据，非常详实，让外行人也能收获不少。最后的summary如下：



5. Zeng Wenjun，MSRA

曾老师讲了MSRA在people centric scene understanding ,face/people tracking /identification , pose estimation, skeleton based human action recognition等领域的研究，以及他们如果构建deep leaning网络等。

panel介绍

感觉SIDAS的panel还是很精彩的，具体如下：

panel1:reaching the global stage&path to IEEE fellow

三个IEEE fellow发言，如下图，从左到右分别是：德克萨斯 A&M的熊子祥，有香港中文大学的Helen M. MENG，中科院计算所的陈熙霖：



总结如下：

1. fellow在国外只是一种荣誉称号，而在国内过度重视，有点变味了。建议年轻人不要太功利。功到自然成，做好自己的事情，培养坚实的看家本领。

2. 年轻人选择方向建议：

* 选择喜欢的研究方向；

* 可以考虑选择目前还不太热门但是未来比较有前途的方向，不要过度跟风。

* 学会写funding。目的不是为了钱，而是为了让审核funding的同行评审你的研究，防止走错路。

3. 做长期的计划，做令人exciting的工作能让你永远有动力。

4. engineering一定要teamwork。

5. 多参加会议，多和同行交流。不要只是参会，要show你的研究成果，和别人分享讨论会产生更多的ideas。

6. CS是最公平的学科之一，不像物理材料学那样需要贵重的设备，只需要电脑就行。只要够努力，就有无限可能。

7. 多review paper，才会更擅长写paper。

8. 利用好网络资源学习，Google搜索，网络课堂，公开课等。

panel2:technical trends on big data and cloud computing

由左到右分别是：声学所的鄢社锋，清华的牛志升，MSRA的Wenjun ZENG，武大的胡瑞敏，西电的Hongwei LIU，主要讨论了big data相关的问题，总结如下：

1. 什么是big data？

* 不是数据量大就是big data，现实世界有很多数据是异构的和异质的，数据要能转化为结构化的数据才能发挥作用，数据空间要覆盖问题空间。

2. 在big data，deep leaning新形式下的学生教学培养问题。

* 注重网上自主学习，学生需要开阔视野，基础打扎实，注重学科交叉（big data本身就是交叉学科吧）。

3. 如果没有大量的数据或者大量数据获取困难，小样本数据的情况下如何用deep learning解决？

* 如果根本无法获得大量的带标签数据，建议放弃deep learning。

* 可以用小样本数据按照一定的规则生成新数据作为训练样本。

* 可以考虑挖掘小样本数据和大数据之间的联系和相关性，看是否可以转化。

panel3: how to publish papers in IEEE transactions？

这个环节是闭幕式前最后的活动了，请了大会主席，德克萨斯 A&M的熊子祥，MSRA的Wenjun ZENG，电子科技大学的Ce Zhu，中科院计算所的山世光，主要讨论问题如下：

1. 关于论文催评审意见

建议超过正常时间两个月后再发邮件询问，注意要礼貌，简捷。

如果还没有收到意见，再过一个月再发邮件询问。

2. 关于reject后appeal问题。

嘉宾几乎都不建议appeal，除非你的成果很明显被reviewer误解了。

3. 论文写作建议

* 投稿不能太急，切忌一稿多投，要知道你方向的学术圈就那么大，很容易被揭穿，被发现后后果很严重。

* introduction要介绍清楚前人的工作，你的工作和别人的不同之处，也就是why你的工作比别人好，不要过度贬低前人工作，毕竟大家都是站在巨人的肩膀上的。reviewer基本看完introduction就大概决定是否reject。

* 写论文不要流水账，要有逻辑。像议论文一样，讲清前因后果对比。

* 投稿前语言关一定要过，不能有语法，单词等低级错误。文章要能够让别人看懂，如果reviewer说看不懂你的文章，不是因为他能力不行，而是你写作水平太差，基本就是reject的意思。

4. how to response to reviewer？

* 首先要礼貌的感谢，毕竟别人花了自己的时间免费审阅你的paper。

* 针对reviewer提出的问题，要点对点的仔细回答。

* 千万不要回避或遗漏主要的评审意见点，否则会被认为你是在逃避问题，很可能被reject。

* 即使reviewer误解你的paper内容，要礼貌合适的回答。留下好印象。

* 对于修改的内容尽量在response里描述清楚，如果要制定在论文中哪一章节，要highlight，方便reviewer查看。总之，要让reviewer方便，节省他的时间。

5. conference录用后再投transaction需要注意什么？

* conference和transaction根本不是一个level上的。需要增加详细的内容、实验对比、证明等。

* 有偷懒、攒论文数目的嫌疑，会影响在圈内的声誉。

6. 什么情况可以投letter？

* letter适用的情况是在你做了比较好的研究发了journal后，在此基础上又有新的想法时，可以投letter。

* letter有短平快的嫌疑，年轻人可以投letter，比较senior的不太建议。

* 以上针对一般的letter，像signal processing letters还是不错的。

7. 迟迟不出版可以催吗？会不会一催被据稿？

* 造成迟迟不出版的原因很多，有很多学会要积累论文集结成册后才出版，这种情况下要等。

* 如果接收3个月还没出版，可以礼貌地邮件询问。

8. 文章投出后可以修改通讯作者或者增加作者吗？

* NO!大忌讳。有人论文接收后，因为不听AE提醒坚持修改通讯作者导致论文被拒。

* 国外论文一般认为作者越少越好，而国内喜欢挂名。没有贡献的挂名破坏风气，有损职业道德。

* 增加作者是不允许的。因为增加的作者有可能是该论文的审稿人，有嫌疑的，如果想加，可以考虑在acknowledge里提一下其贡献。

后记

大会主席说明年的会议地点在北京，时间大概在9月份。具体要和组委会商量后决定，会在网上通知。

关于本次会议的PPT和录像，大会主席说要在征得相关的报告人同意后，邮件通知大家结果。真的希望能够将会议录像放在网上，供大家学习。