【講座題目】精細(xì)化物體識(shí)別

【講座時(shí)間】2017年12月7日（星期四） 13:00-17:00

【講座地點(diǎn)】保定校區(qū)圖書(shū)館地下一樓報(bào)告廳

【主 講 人】傅建龍 博士，微軟亞洲研究院副研究員

【主講人簡(jiǎn)介】

傅建龍，微軟亞洲研究院副研究員。2015年畢業(yè)于中國(guó)科學(xué)院自動(dòng)化研究所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室。主要從事圖像識(shí)別、目標(biāo)檢測(cè)，和多媒體內(nèi)容分析等研究，已經(jīng)在計(jì)算機(jī)視覺(jué)和多媒體分析頂級(jí)國(guó)際會(huì)議和期刊(CVPR/ICCV/ACM Multimedia/WWW/AAAI/IJCAI/T-CSVT)發(fā)表論文20余篇。主要研究方向包括：精細(xì)化物體識(shí)別，弱監(jiān)督、多標(biāo)簽圖像語(yǔ)義標(biāo)注，目標(biāo)檢測(cè)，視覺(jué)與語(yǔ)言建模，視覺(jué)情感分析等

【內(nèi)容簡(jiǎn)介】

區(qū)別于通用目標(biāo)的物體識(shí)別，精細(xì)化物體識(shí)別更加關(guān)注于具有判別力的目標(biāo)部件定位 (part localization) 和精細(xì)化的特征學(xué)習(xí) (feature learning)。另外，由于部件的定位在大規(guī)模數(shù)據(jù)上缺少有效的監(jiān)督信息，并且部件通常位于較小的圖像尺度上，這給精細(xì)化的物體識(shí)別帶來(lái)了更大的挑戰(zhàn)。針對(duì)以上問(wèn)題，我們由淺入深地提出了兩種部件定位和特征學(xué)習(xí)的聯(lián)合訓(xùn)練方法，包括基于遞歸注意力模型(Recurrent-Attention)和基于多部件注意力模型(Multiple-Attention)的卷積神經(jīng)網(wǎng)絡(luò)。實(shí)驗(yàn)表明，聯(lián)合的部件定位和特征學(xué)習(xí)方法有助于促進(jìn)精細(xì)化物體識(shí)別的準(zhǔn)確率。最后，基于以上模型，我們介紹一款基于深度神經(jīng)網(wǎng)絡(luò)的精細(xì)化物體識(shí)別應(yīng)用—微軟識(shí)花。主要包括其產(chǎn)品功能、特點(diǎn)、識(shí)別邏輯、用戶界面和影響力(目前下載量已過(guò)百萬(wàn))，并對(duì)精細(xì)化物體識(shí)別在多種用戶場(chǎng)景下的應(yīng)用進(jìn)行探討。