为增进大家对深度学习方法的理解,了解深度学习方法在实际问题中的应用。读书会接下来围绕计算机视觉,自然语言处理,推荐系统,计算广告等方向邀请嘉宾进行分享。嘉宾分享第一期围绕计算机视觉方向,邀请中科院自动化所模式识别国家重点实验室的赵朝阳博士与王宇航博士,围绕计算机视觉中的核心问题,目标检测以及图像语义分割问题开展分享。
分享时间:2017年07月02日上午
报告主题一:目标检测
目标检测任务作为计算机视觉领域中的基本问题之一,有着广泛的研究基础。近年来,随着深度学习技术的快速普及,目标检测任务有了长足的发展,并在智能化交通、监控、军事、医疗等多个领域有着广泛的应用。本报告将对目标检测任务的发展历程进行回顾,探讨该任务未来的发展方向,并结合报告人现有的工作基础,分享目标检测技术在不同场景下的具体应用案例。报告将从三个方面展开:1. 传统的目标检测技术发展历程;2. 基于深度学习的目标检测方法发展历程;3. 目标检测技术在实际场景下的应用案例分析,以及在BOT大赛中的目标检测技术分析。报告人以目标检测技术为基础,率领团队在2016年上海BOT计算机视觉挑战赛,首届黑客马拉松比赛中,获得最佳算法奖,团体第一名的成绩,独揽22万现金大奖。
分享人简介:
赵朝阳,于2016年在中科院自动化所获得博士学位。现任中国科学院自动化研究所模式识别国家重点实验室助理研究员,智能媒体计算联合实验室副主任。长期从事视频分析与检索、目标检测与跟踪、图像分类与识别方面的应用基础研究,同时也涉及模式识别与机器学习方面的相关理论研究。于TIP、CVIU、ICPR等国际期刊/会议发表相关学术论文10余篇,获得相关领域专利2项。曾获2013年度国际多模态手势识别大赛冠军,2015年智慧城市视频分析技术挑战赛人脸识别、目标跟踪、目标检测等多个任务第一名,2015年国际3D目标检索大赛第一名,2016年上海BOT视觉分析挑战赛第一名。
报告主题二:图像语义分割
图像语义分割作为一种像素级的图像识别任务,正获得越来越广泛的关注。图像语义分割在网络多媒体、智能医疗、自动驾驶等多个领域有着广泛的应用前景。本报告将主要围绕基于深度学习的图像语义分割方法进行综述,报告将从三个方面展开:1.经典图像分割模型介绍;2.提高分割效果的常用方法;3.团队最新研究成果:Stacked Deconvolutional Network,该方法目前获得PASCAL VOC 2012语义分割任务leaderboard第一名。
分享人简介:
王宇航,于2017年在中科院自动化所获得博士学位。主要研究方向为图像语义分割、图像分类与识别等,于CVPR、IJCAI、ACM MM等国际会议及期刊发表论文10余篇。曾获得微软研究院图像识别大赛第一名;“ImageCLEF2015”大规模图像定位和标注大赛第二名;全国研究生智慧城市大赛单目标和多目标检测任务第二名;研究团队获得PASCAL VOC 2012语义分割任务leaderboard当前第一名。