10月25日，香港理工大学计算学系原主任、华南理工大学大学软件学院博士生导师、IEEE Fellow、IEEE SMC(Systems, Man, and Cybernetics)前任主席Daniel S Yeung教授应邀来校作了题为«Sensitivity based Image Filtering for Multi-Hashing »的学术报告。数学与统计学院相关老师和研究生80余人参加了报告会。
报告中，Daniel S Yeung教授指出尽管哈希法在大规模数据库中检索相似性图像方面极为有效，然而基于大型Hamming距离查找的单个哈希表搜索的时间会随着哈希表目（或哈希桶）的数量增加而呈现出指数级增长。因此采用多哈希表(Multi-Hashing)方法不仅能够提高检索效率，而且能够降低哈希代码匹配的精度。由于使用图像滤波以减少不相似图像的方法依赖于待查询图像和候选图像间的Hamming距离或者哈希代码，而且在该方法中存在的问题是认为所有的哈希桶是同等重要的。实际上不同的哈希桶可以返回不同的图像数量并且各个结果有不同的重要性。基于此提出了基于敏感度测量方法的评价哈希桶和各自返回图像定位的两个描述符，利用这两个描述符和Hamming距离训练神经网络过滤不相似图像。结果表明算法中只要能获得哈希表，就可以离线计算神经网络和描述符，从而提出了基于敏感度的图像滤波方法（SIF）。实验结果表明该方法不仅提高了检索精度，而且算法各自在依赖型数据和独立型数据上运行成本和两种混合数据上的成本差不多。
报告结束后，学院教师从不同角度与Daniel S Yeung教授进行了学术讨论。针对现场同学提出的问题，Daniel S Yeung教授一一进行了回答和讨论。