科学研究 > 学术预告
  
学术报告371:开集条件下的识别问题的进展及其挑战

发布日期: 2017/11/18  投稿: 李成范    部门:    浏览次数: 605   返回


 

报告人:付彦伟[复旦大学 副研究员]
报告时间:2017年11月19日    14:50—15:25
报告地点:校本部东区计算机大楼402室
邀 请 人:李晓强

 

报告简介:
随着深度学习在计算机视觉领域取得突破性进展,有监督、大样本和闭集条件下的图像目标分类性能实现了显著提升,其分类能力接近人的水平。本次报告主要介绍小样本、零样本及开集条件下图像目标分类这一类问题最新进展及其挑战,以及如何扩展到对于大量无监督信息的图像也能实现较好的分类性能。本次报告将简要介绍以下几个方面:半监督的词汇图像语义嵌入算法、极值学习算法和空间的判别式分类算法。 半监督词汇图像语义嵌入算法研究图像语义嵌入与词向量的表示构成统一语义空间;极值学习可对辅助类样本进行概率建模,增量更新统一语义空间,并标记出训练集外类别的测试样本;在统一语义空间,利用马氏距离、流形距离等度量学习方法研究判别式分类算法,最终实现开集条件下图像目标分类。

 

报告人简介:
付彦伟博士现任复旦大学大数据学院青年副研究员,于英国伦敦大学玛丽皇后学院的计算机科学系攻读并获得博士学位。主要研究领域包括图像处理与模式识别、机器学习。他已在国际期刊及会议发表论文共21余篇;其中11篇第一作者论文,5篇通讯作者论文。其中包括3篇以第一作者身份发表的IEEE TPAMI长篇论文,一篇第一作者IEEE SPM文章。他是IEEE TPAMI, IEEE TMM, IEEE TCSVT,AAAI 等国际顶级期刊、会议的长期审稿人,并曾获得google优秀学生奖学金、国家自费留学生奖学金等奖项,获得2017年上海市“东方学者”。