报告题目：基于判别区域挖掘的细粒度图像分类
主 讲 人：李豪杰
讲座时间：2019年10月28日（星期一）10：00-11:30
讲座地点：行政楼601会议室
报告人简介：
李豪杰，大连理工大学国际信息与软件学院，教授，博士生导师，副院长。分别于1996年、2007年获南开大学学士学位和中国科学院计算技术研究所博士学位。2007年至2009年在新加坡国立大学从事博士后研究，2010年1月加入大连理工大学。主要研究方向为多媒体信息检索、计算机视觉，在包括IEEE TCSVT、IEEE TIP、IEEE TMM等顶级国际期刊和ACM MM、ICCV、IJCAI等重要国际会议发表论文100余篇，获ACM ICIMCS (2011)、HHME (2013)最佳论文奖、ICME（2017）最佳论文Finalist奖，The Star Challenge 国际多媒体搜索引擎比赛第一名（2008）。近年来主持国家自然科学基金重点项目1项，面上项目3项，国防基础科研项目2项（含合作主持1项），主持国际合作、教育部留学回国人员基金等省部级项目及企业合作项目10余项。所研发软件系统在电力、邮政、体育训练、智能制造等行业获得推广使用。
报告摘要：
细粒度分类旨在对属于同一基础类别的图像（汽车、狗、花、鸟等）进行更加细致的子类划分，是近年来计算机视觉、 模式识别等领域一个非常热门的研究课题，广泛应用于各个领域（如生态领域物种分类，商品分类自动理货，环保领域垃圾分类等）。由于子类别间差别细微且通常差异存在于局部区域，如何高效的选取高判别性局部区域以及如何对其特征进行优化是目前研究的重点。本报告将介绍我们在这两个方面的探索，首先从局部区域相关性挖掘角度，介绍两种关系引导的判别性区域学习方法。接着介绍一种基于判别先验网络模型和自回归模型的表征优化方法。最后讨论细粒度图像分类的研究趋势。
主办单位：
吉林大学人工智能学院
