2018年2月20日-23日，The 11th IAPR International Conference On Biometrics（ICB2018）于澳大利亚Gold Coast举行，智能信息处理重点实验室山世光研究员应邀参加了此次大会，并做大会Tutorial，以及报告了实验室在RGBD人脸识别方面的最新研究论文。ICB是国际模式识别联合会举办的生物特征识别（Biometrics）领域专门会议，是Biometrics领域的旗舰型专业会议。此次大会共有120余名来自世界各地的领域专家参会，其中包括生物特征识别领域的执牛耳者，如来自美国密西根州立大学的Anil K. Jain教授和Arun Ross教授，来自英国Surrey大学的Josef Kittler教授等，大会由大会主席、来自University of Queensland的Brian Lovell和来自Griffith University的Jun Zhou教授主办。
与会期间，山世光研究员做了题为《Face Recognition in Deep Learning Era: Recent Progress and Some Trends》的Tutorial报告，向与会专家介绍了深度学习对人脸识别领域的影响以及人脸识别在中国的应用情况和背后的技术创新。会议参会人员参与非常积极，是同时举行的几个Tutorial中听众最多的一个。
此外，山世光研究员还在此次大会上宣读了VIPL实验室在利用RGBD人脸数据增强RGB人脸识别的最新论文。该论文题目为《Improving 2D Face Recognition via Discriminative Face Depth Estimation》，作者为Jiyun Cui, Hao Zhang, Hu Han, Shiguang Shan, Xilin Chen等。该论文的主要贡献是：随着深度相机的普及，RGBD（3D）数据库越来越多，但很多实际人脸识别应用系统仍然只能采用RGB（2D）摄像头进行人脸识别的问题，该论文提出了一种从RGB图像预测判别能力强的D（Depth，深度）信息的方法，其主要特点是不仅仅通过重构误差、采用全卷积网络FCN来回归D，同时还通过分类误差、采用卷积神经网络CNN来约束回归的D，从而形成一个包括上述两个误差的loss函数，并进行端到端的学习。实验表明，采用这样的策略生成的D信息比单纯采用FCN生成的D信息更具判别能力。而且将我们生成的D信息与原始RGB图像融合识别人脸，显著提升了基于RGB图像的人脸识别系统的性能。
附件：