学术报告:可学习过滤器在低、高层次视觉问题上的最新研究

   : 可学习过滤器在低、高层次视觉问题上的最新研究

   :  Ming-Hsuan Yang,加州大学梅森分校电气工程与计算机科学系副教授

   :2016年12月30日(周五)上午10:00-12:00

   点:数据科学与计算机学院A101学术报告厅

   持:林倞教授

 

Abstract:

具有众多优异性质的可学习滤波器,能有效地解决各种低、高层次计算机视觉任务,例如目标检测、识别和样式风格转换。其研究的重点在于:如何从学习的角度来利用低层次视觉任务的重要视觉线索。本次讲座将从构建混合神经网络将许多低级视觉问题(例如,保留边缘滤波和去噪)作为递归图像滤波过程、基于学习的方法来构建基于卷积神经网络的联合滤波器和映射朦胧图像及其相应的透射图方法出发,为大家展示可学习过滤器在低、高层次视觉问题上的最新研究。

Speaker Bio:

Ming-Hsuan Yang 教授,现任加州大学梅森分校电气工程与计算机科学系副教授。他于2000年在伊利诺伊大学厄巴纳—香槟分校获得计算机科学博士学位。他是多个会议的区域主席,包括IEEE计算机视觉和模式识别会议 (CVPR),IEEE计算机视觉国际会议 (ICCV),欧洲计算机会议视觉 (ECCV),亚洲计算机会议,AAAI全国人工智能会议和IEEE国际自动面部和手势识别会议。他是2019年IEEE计算机视觉国际会议与2014年亚洲计算机视觉会议 的计划共同主席,以及2016年亚洲计算机视觉会议的通用共同主席。也是著名IEEE 模式分析与机器智能期刊 T-PAMI(2007 至2011),计算机视觉国际杂志 (IJCV), 计算机视觉与图像理解 (CVIU),图像和视觉计算,人工智能研究杂志的副主编。他于2009年获得Google教师奖, 2011年获得加州大学默塞德分校颁发的杰出早期职业研究奖,于2012年获得国家科学基金会颁发的教师早期职业发展(CAREER)奖,以及2015年获得美国参议院杰出研究奖。