IAPR/IEEE生物特征识别冬令营2023（IAPR/IEEE Winter School on Biometrics 2023）于2023年1月8日至12日在深圳以线上线下结合的方式成功举办。本次活动共有来自中国内地、孟加拉、日本、巴基斯坦的67位青年学者和学生参加。该活动由南科大计算机系于仕琪副教授与香港浸会大学Pong C Yuen教授、中科院自动化所孙哲南研究员和英国Trust Stamp and AiiD Global首席科学家Norman Poh博士一起组织。生物特征识别冬令营自2017年1月在香港浸会大学举办以来，现在已经连续举办七届。此次活动由香港浸会大学计算机科学系、中科院自动化所和南方科技大学计算机科学与工程系联合主办，由IAPR和IEEE提供支持。图1. 合影本次活动邀请了16位生物特征识别领域的专家给参加活动的成员介绍本领域的知识和技术发展。这些专家中有中国科学院院士谭铁牛研究员、中国科学院外籍院士Anil Jain教授、英国皇家工程院院士Josef Kittler教授、傅京奖获得者Rama Chellappa教授、前IAPR主席Brian Lovell教授等。这16位知名学者在5天的时间里，为参加冬令营的青年学者和学生奉献了一系列高质量讲座。每个讲座之后，会有30分钟的问答时间。参加冬令营的同学们踊跃提问，很多时候不得不延长提问时间。在跟国际教授的交流中，同学们加深了对专业知识的理解，提升了英语表达能力。图2. 线上线下会议现场除了听报告学习外，活动参与者还参加了实践环节（hands-on session）。实践环节由OpenCV中国团队本次冬令营提供。活动参与者在利用OpenCV实现实时人脸识别系统。活动组织者对实践作业进行了评分，共有来自四川大学邓钰川、西藏大学郭凯、华南理工大学乔义滔、河南科技学院吕成桢、安徽大学张慧和上海大学杨若弘六位同学获奖。图3. 实践环节冬令营还安排了乘游船参观港珠澳大桥的活动。在活动中，南科大计算机系张建国教授，深圳大学赖志辉副教授和组织者于仕琪副教授一起，跟同学们交流，在学术研究以及未来职业规划方面为同学们解疑答惑。参加活动的学生在愉快的活动中得到全方位的指导。图4. 合影因为疫情带来巨大不确定性，给活动的组织工作带来了很大的困难，南科大计算机系组织者与其他组织者一起克服困难，成功举办了第七届生物特征识别冬令营。参加冬令营的学生和学者对冬令营的效果给予了极大的肯定。我们期望一年一度的生物特征识别冬令营活动能够为本领域的青年学者提升和学生培养做出一点贡献。南方科技大学计算机科学与工程系

2022年，南方科技大学程序设计竞赛队在国际大学生程序设计竞赛(ICPC)、中国大学生程序设计竞赛(CCPC)和广东省大学生程序设计竞赛(GDCPC)中，与来自国内外各大高校队伍同台竞技，共获得奖牌18金16银3铜。 2022年校队竞赛获奖一览表 2022-2023校队合影一、6年 从0到18金从2017年建队的0块金牌到2022年的18块金牌，南科大程序设计竞赛队脚踏实地，一步一个脚印的刷新我校在该项竞赛中的成绩高度！2017-2022年校队竞赛获奖一览图二、2022年亮点比赛1——全国第五在2022年11月举行的第47届ICPC国际大学生程序设计竞赛亚洲区域赛(西安)中，南方科技大学-维希队（21级李浩宇，21级陈璐瑶，22级洪朝阳）获得了ICPC亚洲区域赛学校排名第5、队伍排名第7的佳绩，刷新了该项比赛中我校最佳的学校排名,并有望晋级在埃及举办的2023年国际大学生程序设计竞赛世界总决赛！本次大赛吸引了清华大学、北京大学等226所高校的500余支参赛队伍，超1500余名队员参与比赛。该项比赛的前4高校分别是北京大学、浙江大学、上海交通大学和清华大学。三、2022年亮点比赛2——女生赛季军在2022年11月举行的中国大学生程序设计竞赛-女生专场中，南方科技大学-南方科技大学队（20级周珈伊，20级周轶凡）夺得季军，学校排名仅次于清华大学与浙江大学。这也是我校连续三年在女生赛上取得全国前三的骄人成绩！四、2022年其他亮点小结2022年，在第47届国际大学生程序设计竞赛亚洲区域赛中国大陆赛区的七场比赛中有六场夺得金牌；此外在2022年6月举行的广东省大学生程序设计竞赛中，南方科技大学-合并肘子队（20级周轶凡，21级曹哲振，21级田若载）获得亚军，这也是我校第二次成为广东省赛亚军学校！值得一提的是我校多支队伍在多次比赛中取得全场最快解题奖，即所有参赛队伍中第一个解决某一道比赛题目的队伍。校队简介我校校队于2017年9月组建，由计算机科学与工程系唐博老师和沈昀老师担任教练与带队老师，目前共有来自6个书院的21名正式队员和3名外卡队员。校队通过每周训练、寒暑假集训，积极参加各级各类程序设计类竞赛，查缺补漏、提升水平、培养默契。2022年校队参加了广东省大学生程序设计竞赛、中国大学生程序设计竞赛和国际大学生程序设计竞赛等。比赛简介大学生程序设计竞赛旨在展示大学生创新能力、团队精神和在压力下编写程序、分析和解决问题能力，激发学生学习计算机领域专业知识与技能的兴趣，鼓励学生主动灵活地运用计算机知识和技能解决实际问题，有效提升算法设计、逻辑推理、数学建模、编程实现和计算机系统能力，培养团队合作意识、挑战精神和创新能力。南方科技大学计算机科学与工程系

近日，南方科技大学计算机系唐博老师带领的数据库课题组在数据库领域取得一系列科研进展。该研究团队三项成果被数据库领域国际顶会ACM SIGMOD 2023长文接收。研究内容涉及到带权地形上最短路径查询算法、大规模图数据可视化技术和数据库查询优化器的基数估计技术。ACM SIGMOD会议关注数据库管理系统和数据管理技术的原理、技术和应用，是数据库领域具有最高学术地位的国际性学术会议。1、EAR-Oracle: On Efficient Indexing for Distance Queries between Arbitrary Points on Terrain Surface在空间信息技术相关的问题中，地形表面的最短距离问题是一个非常重要的问题，是多种应用（如3D物体相似度查询、基于位置信息的推荐系统等）中必不可少的基本算子。针对现有解决地形表面任意点间最短距离算法时延大和对大数据上处理难等问题，我们提出了基于索引的全新算法EAR-Oracle,它根据地形的几何特征，将其投影到二维平面并将其划分为若干网格。根据距离查询起止点的位置信息将距离查询分为两类：同一网格内距离查询和跨网格间的距离查询。针对同一网格内的距离查询，我们采用了在线算法来计算其最短距离。针对跨网格间的距离查询，EAR-Oracle根据地形的几何性质选取了少量地形节点建立了一个轻量的索引结构。借助该索引结构，实现用户给定的误差范围内高效计算有误差理论保证的近似最短距离。我们为EAR-Oracle的时间复杂度、空间复杂度、查询时间以及查询误差进行了详实的理论分析。我们的实验结果表明，与现有最先进的基于索引的算法相比，EAR-Oracle在索引建立时间上以及内存空间占用上有着两个数量级以上的提升。与现有最快的在线算法相比，EAR-Oracle在查询时间上有着一个数量级以上的提升。图1. EAR-Oracle在unweighted terrain surface的对比实验结果该研究工作第一作者是唐博老师指导的2019级硕士生黄博同学，该工作由南方科技大学数据库研究团队与香港理工大学Victor Junqiu Wei教授、香港科技大学Raymond Chi-Wing Wong教授合作完成。2、Effective and Efficient PageRank-based Positioning for Graph Visualization图可视化是许多现实应用中的重要组成部分，它使用户能够从复杂的数据中挖掘出重要的信息。图可视化的核心是节点距离度量，它决定了节点在屏幕上的放置方式。一个有利的节点距离度量应该能够反映节点之间的完整结构信息，并有效地优化视觉美学。然而，现有的距离度量因无法达到这些要求而产生较差可视化效果。此外，大多数现有度量在计算上效率低下，在可视化大型图时会导致较长的响应时间。为了克服这些缺陷，我们提出了如下图所示图可视化框架PPRviz。图2. PPRviz可视化流程PPRviz包含一种新的节点距离度量PDist，其通过利用个性化页面排名来实现图形可视化。此外，我们提出了一种有效的Tau-Push 算法，用于在单级和多级可视化设置下估计 PDist，其为估计精度和计算复杂性提供了重要的理论保证。大量实验表明，PPRviz在效率和有效性（包括审美标准和用户反馈）方面和12个真实数据集上，明显优于13个最先进的图可视化解决方案。特别地，PPRviz可以在一秒内以交互方式为十亿边图生成令人满意的可视化效果。该研究工作的第一作者是唐博老师指导的2019级南方科技大学-新加坡国立大学联培博士张诗奇。该工作由南科大数据库课题组与香港浸会大学Renchi Yang教授，新加坡国立大学Xiaokui Xiao教授合作完成。3、Speeding Up End-to-end Query Execution via Learning-basedProgressive Cardinality Estimation基数估计器对数据库查询执行优化生成高质量执行计划至关重要。传统基数估计方法多基于直方图或抽样，预估准确度较低。AI for DB的思路提出用基于深度学习的模型实现基数估计。已有的基于学习的基数估计器可分为三类: data-driven, query-driven和hybrid。Data-driven和Hybrid方法具有较高的预测准确性，但预测时间消耗过高。Query-driven方法可较快完成预测，但准确度较低。然而，端到端的快速查询要求基数估计需同时满足高准确度和快速预测。在这个工作中，我们提出基于学习并可渐进式优化的query-driven基数估计器。LPCE采用执行中再优化的思路，满足高准确度，轻量优化和执行中渐进优化估计的特点。LPCE由两个组件组成：1）LPCE-I作为初始基数估计优化模型，在查询执行前为查询优化服务从而帮助执行计划的初始生成；2）LPCE-R作为运行时基数估计再优化模型，在查询执行中从已执行的操作中学习经验，对剩余未执行的操作进行持续再优化基数估计，执行计划从而可动态调整到更优。LPCE集成在开源数据库系统PostgreSQL中，实验结果表明LPCE对多join查询端到端执行时间的显著加速。 图3. LPCE解决方案架构图该工作由南科大数据库课题组与香港理工大学Man Lung Yiu教授团队合作完成，第一作者香港理工大学王方博士在南方科技大学数据库课题组担任访问学生期间在唐博老师和晏潇老师指导下完成该工作。上述研究工作得到了南方科技大学计算机科学与工程系、斯发基斯可信自主系统研究院、南科大-华为新型数据库技术联合创新研究中心的支持。南方科技大学计算机科学与工程系

2022年10月28日，由华为技术有限公司主办的鲲鹏应用创新大赛总决赛在杭州落下帷幕。南科大计算机系本科生黄慧惠、邱逸伦、牛景萱、黄梓通参赛，于2022年9月3日在黑龙江区域赛获得二等奖，后经半决赛后进入总决赛，于2022年10月28日获总决赛openGauss赛道铜牌。本次参赛由朱悦铭教学实验师负责带队， Gauss松鼠会协同指导。总决赛openGauss赛题比赛结果邱逸伦 牛景萱 黄慧惠（左二至左四）与带队老师朱悦铭老师合影，牛景萱 黄梓通 朱悦铭 邱逸伦 黄慧惠（从左至右）选题介绍南科大参赛团队名为“数据迁移都队”，选题为“Sqlite 数据一键迁移至openGauss数据库”。整个工具的迁移流程为：首先结合sqlite_master表以及.dump命令得到并执行建表和插入的SQL语句，之后对导出的数据会进行对应的数据类型的转换，以及使用连接池来提高迁移过程的稳定性，并且结合多线程来提高迁移的效率。最后通过断线自动重连的操作，同时保证迁移过程的稳定性。技术亮点●具有可扩展性，代码结构清晰，可扩展性强；●使用连接池，最大连接数量可达300；●使用多线程迁移，相比于单线程，迁移效率可以提高10倍以上；●具有高稳定性，使用连接池可以保证连接的稳定性，以及断线重连的操作可以保证数据迁移的稳定性。 获奖链接https://mp.weixin.qq.com/s/RJOnBFKk3-FyPgT44MFRIA赛事介绍鲲鹏应用创新大赛是面向全球开发者的顶级赛事，旨在激发行业应用创新、加速产业融合、促进人才培养，吸引全产业开发这共同打造鲲鹏全栈解决方案。竞赛意义通过本次比赛，学生参与打造国内生态，进一步促进产、学、研协同发展。在竞赛过程中，学生接受到来自企业专家们宝贵的点评与指导，学生开拓视野的同时也为鲲鹏生态贡献力量。南方科技大学计算机科学与工程系

2022年12月2日，计算机系党总支书记、副系主任王琦副教授在工学院南楼551会议室为19级徐驰同学颁发第二届“火焰杯”软件测试开发选拔赛一等奖奖项，为刘烨庞助理教授颁发赛事优秀指导老师奖项。徐驰同学于2022年4月获得该赛事全国总决赛第一名，由于疫情原因，组委会未能线下进行颁奖，委托王琦老师代颁。王琦老师为徐驰同学颁奖王琦老师为指导教师刘烨庞老师颁奖据悉，为推动软件和信息技术产业的发展，促进软件和信息技术专业技术人才培养，向企业输送具有创新能力和实践能力的高端人才，提升高校毕业生的就业竞争力，软件测试就业联盟联合一线互联网企业与知名高校，共同举办火焰杯软件测试高校就业选拔赛。截止目前，该赛事已经成功举办两届，累计参赛院校145所，参与比赛的学生达到4000+人，覆盖了全国25个省份。徐驰与指导老师刘烨庞合影徐驰表示，该荣誉既是对自己努力的肯定，同时也离不开刘老师和系里各位老师的指导，并对各位老师和计算机系表示衷心的感谢。刘烨庞老师表示，近几年来一直鼓励实验室学生参与各类软件测试类比赛，坚持以赛促教，以赛促研，未来还会继续做下去，争取培养更多的软件测试人才。●比赛链接：https://contest.ceshiren.com●获奖链接：https://contest.ceshiren.com/history/南方科技大学计算机科学与工程系

2022年11月26日由中国人工智能学会（CAAI）和杭州市余杭区人民政府共同创办，由杭州未来科技城管委会和京东零售联合承办的2022全球人工智能技术创新大赛—算法挑战赛（简称GAIIC2022）圆满落幕。本次竞赛的电商关键属性的图文匹配赛道奖金池高达100万元，吸引了来自全球的高校以及知名企业的1300多只参赛队伍，包括清华大学、复旦大学、字节跳动、百度、网易等，由我校计算机科学与工程系研究生李淏泉、张烙铭以及付浪组成的队伍在复赛以及决赛答辩中表现突出，最终荣获冠军。该团队的指导老师为张建国教授，杨鹏助理教授以及李皈颖研究助理教授。颁奖典礼，张烙铭、李淏泉、付浪（从左到右）决赛答辩，李淏泉决赛答辩，张烙铭、付浪、李淏泉（从左到右）复赛排行榜赛题介绍京东积累了电商零售场景下的海量商品的图文数据，其中商品主图和标题包含大量的商品属性信息。在实际业务中，图片里商品的关键属性与商品标题描述的是否匹配是影响用户体验的重要因素。本赛题要求参赛队伍利用脱敏后的京东电商平台图文数据，通过商品图片与商品标题在整体以及商品关键属性上的关联程度来判断两者是否匹配。赛题难点●标签分布不均衡，图文匹配和属性匹配均极度缺少负例；●文本除关键属性以外，存在大量未标注的隐藏属性；●线上测试集分布未知，难以构造独立同分布的验证集；●官方提供的是图片脱敏特征向量，难以直接使用现存的多模态预训练模型。 方法简介通过对赛题的分析和理解将该问题拆分为图文匹配和属性匹配两个问题，并针对问题难易程度的不同提出使用复杂Transformer架构的模型来解决难度较大的图文匹配问题，使用简单架构的MLP模型来解决难度较小的属性匹配问题。图文匹配预训练模型针对图文匹配提出● 分词预处理：贴合电商文本的组成特点，以词语为最小单位构建词表，大幅缩减任务难度；● 预训练任务：从整体和局部两个角度出发设计了两种基于词语的预训练任务，提升模型的泛化性；● 负例生成方式：采用属性替换和随机替换相结合的方式可以同时学习关键属性和隐藏属性的概念。属性匹配模型针对属性匹配提出● 模型设计：设计基于Attention的MLP模型，提升模型的精度和速度的同时减小模型体积；● 负例生成方式：相似属性的负例增强和相等属性的正例增强提升模型的鲁棒性降低模型预测的敏感性；● 图文匹配指导属性匹配：鉴于图文匹配召回率较高，如果图文预测匹配则认为对应的属性全匹配，可以一定程度提升模型的预测精度。相关链接●竞赛官网：https://gaiic.caai.cn/ai2022/#/●参赛平台：https://www.heywhale.com/home/competition/620b34c41f3cf500170bd6ca/content/0●直播地址：https://as.alltuu.com/album/1307611557/?from=appmessage实验室介绍南科大计算机系-视觉和图像处理实验室（CVIP）由计算机系张建国教授组建。实验室致力于计算机视觉、医学图像及信息处理、机器学习、人工智能等领域的相关研究，取得了一系列重要的科研成果。近两年来在CVPR、NeurIPS、AAAI等人工智能CCF推荐的A类国际顶级期刊和会议上发表学术论文多篇。实验室培养的本科学生前往UCLA、布朗大学等世界名校深造。南科大计算机系-金融仿真智能实验室由计算机系杨鹏助理教授组建。实验室成立于2022年7月，致力于证券金融市场仿真系统的基本原理、关键技术和行业应用研究，围绕多智能体仿真、演化智能、证券金融数据分析等关联领域布局探索。实验室已与深交所集团共建“深圳证券信息有限公司-南方科技大学计算机系行情云联合创新实验室”，面向国际领先交易所和信息服务商的证券行情服务云化技术变革趋势，聚焦于证券大数据、人工智能、云计算等先进技术的理论方法突破，积极探索落地我国首项基于云原生的证券行情服务行业基础设施，提升深市行情在国际上的影响力和话语权。南方科技大学计算机科学与工程系