2023年秋季学期视觉计算实验室第一次论文研读预告
时间:2023年9月15日(本周五) 09: 30 地点:望江校区基础教学楼B座318实验室 分享者:高承睿、程俊龙 Part1 分享者:高承睿 分享内容: [1] Yang Z, Huangfu H, Leng L, et al. Comprehensive Competition Mechanism »
时间:2023年9月15日(本周五) 09: 30 地点:望江校区基础教学楼B座318实验室 分享者:高承睿、程俊龙 Part1 分享者:高承睿 分享内容: [1] Yang Z, Huangfu H, Leng L, et al. Comprehensive Competition Mechanism »
2023年6月24日18:00-21:00,视觉计算实验室在JC-B318举行了2021级博士研究生中期分流暨学位论文开题答辩。此次答辩的汇报者包括2位21级博士研究生,评审专家包括六位博士生导师(排名不分先后):龚勋老师(西南交通大学计算机与人工智能学院)、屈鸿老师(电子科技大学计算机科学与工程学院)、张建伟老师(四川大学计算机学院)、彭德中老师(四川大学计算机学院)、江宁老师(四川大学华西医院)、朱敏老师(实验室负责人)。 此次答辩由彭德中老师担任组长,采用线下答辩的形式进行。首先由朱敏老师介绍与会专家及议程安排,强调开题答辩的要求与考核要点,发放评审相关材料,随后由实验室2021级博士研究生程俊龙、高承睿依次作学位论文开题答辩。 »
报告1:基于伪标签的弱半监督学习 讲者:朱鹏飞 (天津大学) 在线伪标签训练是弱监督和半监督学习任务中增强监督信息的一种有效手段,但伪标签噪声和错误累积降低了模型的泛化性和鲁棒性。如何生成和优化无标记数据的伪标签是基于伪标签的弱监督学习的关键。 最近的相关工作通常使用变分图自动编码器(VGAE)来使节点表示服从特定的分布。尽管它们已经显示出可喜的结果,但如何引入监督信息来指导图节点的表示学习并提高聚类性能仍然是一个悬而未决的问题。针对上述问题朱教授团队提出了一种协作决策强化自我监督(CDRS)方法来解决该问题,其中伪节点分类任务与聚类任务协作以增强图节点的表示学习。本报告分享了其团队提出的自监督低秩表示、动态样本加权、协同表示学习方面的相关工作,并介绍其在图像和图数据中的应用。 报告2:预训练模型的高效迁移学习 讲者:龙明盛 (清华大学) »
报告1:深度连续学习 讲者:洪晓鹏(哈尔滨工业大学) 尽管深度学习在很多应用上都取得了成功,但大量研究表明,当对新的任务或类别进行学习时,深度神经网络往往会覆盖过去所学的知识,从而导致模型在历史任务上的性能严重下降,产生“灾难性遗忘”现象。因此,研究连续学习的理论、方法与技术,使深度学习模型可以像人类一样学习,在动态变化的环境中不断学习新知识的同时,避免灾难性遗忘旧知识,实现模型的可持续学习,是一个开放并极具挑战的科学问题,也是新一代人工智能系统的必备技能之一。洪教授重点介绍该领域的基础知识和代表性工作,并探讨最新研究进展、未来发展方向和典型应用。 洪教授针对深度神经网络在学习新任务新知识时的“ »
8月22日上午,第十二届视觉与学习青年学者研讨会(VALSE 2022)在天津国家会展中心隆重举行。本次会议由中国图象图形学学会、中国人工智能学会主办,天津大学承办,天津工业大学、天津科技大学和天津市人工智能学会等单位协办。会议为计算机视觉、图像处理、模式识别与机器学习研究领域内的中国青年学者(以80后为主)提供了一个深层次学术交流的舞台。 报告1:一网通吃:跟踪与分割大统一 讲者:卢湖川(大连理工大学) 卢教授基于团队发表的多篇论文成果向学者们介绍如何利用一个架构实现单目标跟踪、多目标跟踪、视频目标分割、多目标跟踪与分割这四个任务。用人工智能( »
时间:2022年06月2日(本周四) 09:30 地点:望江校区基础教学楼B座318实验室 研读成员:高承睿 周锋 Part1 分享者:高承睿 分析内容: [1] Zhao X, Zhang L, Lu H. Automatic polyp segmentation via multi-scale »
时间:2022年4月7日(周四) 09 : 30 地点:望江校区基础教学楼B座318实验室 研读成员:高承睿、游世洋 研读内容: Part1 分享者:高承睿 分享内容: [1]Fu J, Liu J, Tian H, et al. Dual attention »
12月21日,PRCV2021大会最后一天议程。今日大会分为三个主旨报告,两个特邀报告和四个专题论坛。此外,大会邀请多位同学分享了竞赛项目的解决方案。 主题报告1 报告人:徐波(中国科学院自动化研究所) 报告题目:三模态基础大模型:探索通向更通用人工智能的路径 徐波老师的研究重点围绕听觉模型、类脑智能、认知计算及博弈智能等进行研究探索。本次报告徐老师首先介绍了近年来人工智能的发展,他将人工智能分为通用AI和专用AI两个发展阶段。目前专用AI落地的痛点主要包括无法获取高质量标签、缺乏复合型人才、周期长、成本高和场景信息丢失等。接着,徐老师引出了从专用AI转向通用AI的话题,这一转变需要持续创新发展,并为我们详细讲解了首个图-文-音三模态大模型“ »