EN

EN

信息科学与工程学院成功举办“CSIG 图像图形中国行”学术报告会

  • 日期:2021年06月15日 10:11
  • 查看:

应信息科学与工程学院邀请,2021年6月5日,“CSIG图像图形中国行”来到山东师范大学。本次会议邀请到南京大学吴建鑫教授、北京工业大学胡永利教授、北京大学查红彬教授、西安交通大学龚怡宏教授以及西北工业大学韩军伟教授做学术报告。本次会议由中国图象图形学学会主办,山东师范大学、山东省人工智能学会承办。本次会议由山东师范大学信息科学与工程学院院长郑元杰教授致辞,朱磊教授主持。会议得到了广泛关注,吸引了来自济南驻地各个高校师生100余位前来参会。

吴建鑫教授以“面向非充分数据的深度学习”为题进行了报告,主要介绍了数据总量小、标记数量少、标记质量差、分布不均衡等场景下存在的问题以及解决该问题的关键性思路。在深度学习迅速发展的潮流下,数据是提升模型性能的关键所在,然而昂贵的人工标注代价以及标注中存在的错误是制约深度学习模型发展的瓶颈。吴建鑫教授针对每一个问题举例并讲述了在实际场景下的表现形式,并分享了一些解决非充分数据处理的方案,进一步地讲述了几篇针对性的工作并通过实验结果分析来说明其有效性。

胡永利教授进行了题为“图像视频数据流形上的稀疏低秩子空间聚类”的报告。胡教授从稀疏低秩表示模型开始谈起,介绍了所提出的单一流形、乘积流形和异构流形上的稀疏低秩表示模型,实现了流形上的稀疏低秩子空间聚类。最后胡教授介绍了聚类的应用和其下一步的工作。

查红彬教授进行了题为“Visual SLAM: An Online Learning Approach”的报告。报告首先明确地介绍了什么是即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)技术以及SLAM的研究历史。然后,查教授指出视觉SLAM目前面临的挑战并且分享了最近在SLAM无监督在线学习方面相关的研究成果,展示了研究中的一些关键技术和最新研究进展。

龚怡宏教授带来了题为“受脑启发的神经网络计算模型”。介绍最近在解决当前主流深度学习神经网络(DNN)科学难题方面,依据人脑视觉通道的某些特性转化为计算模型所取得的若干最新研究成果,并针对当前深度学习卷积神经网络的研究提出新的研究思路与方向。

韩军伟教授作了题为《遥感影像“深度”解译》的学术报告,讲解了具有重要民用和军事价值的遥感影像解译技术。遥感影像解译是对遥感图像进行信息挖掘与提取的关键技术,也是近年来遥感领域的研究热点。韩军伟教授首先总结了深度学习在高分遥感影像方面的典型应用,并介绍了两个原创公开的高分遥感图像数据集。其次,针对高分遥感影像领域存在的问题和需求,韩教授分别从弱监督和全监督学习两方面讲解了多种针对高分遥感图像的目标检测和场景分类方法。

在提问环节,参加报告会的师生与报告的专家进行了充分的讨论交流,形成了良好的互动交流。

最后,山东师范大学张化祥教授对此次学术报告进行总结,本次会议取得了圆满成功。

关闭