報告題目：無監(jiān)督領域自適應方法研究-從有源到無源
報告人：葉茂
報告時間：2023年4月10日（周一）上午10:00
報告地點：多學科交叉創(chuàng)新研究大樓919學術報告廳
報告內(nèi)容：
當目標識別方法工作于新場景時，因源場景與新場景數(shù)據(jù)分布的不一致，目標識別效果通常會迅速下降。遷移學習是一個很好的解決手段。在保留源訓練數(shù)據(jù)集條件下，分別針對基于分布對齊和偽標簽遷移兩條技術路線，提出了基于雙分類器的強類別特征對齊的無監(jiān)督領域自適應方案和基于原型學習的多源遷移學習方案； 目前絕大多數(shù)領域自適應目標識別方法要求在遷移的時候保留源樣本，或者少量新場境樣本有標簽。這些要求在實際中通常都無法滿足。針對這種情形，提出了基于忽略域風格思想的無源領域自適應目標檢測方案和基于元學習的多教師遷移模型并在醫(yī)學圖像分類上展開了應用，取得了較好的效果。
報告人簡介：
葉茂，電子科技大學計算機科學與工程學院教授、博導。 計算機學會計算機視覺專委會,多媒體計算專委會，智能機器人專委會委員,自動化學會混合智能專委會委員。曾經(jīng)入選教育部新世紀優(yōu)秀人才支持計劃, 四川省杰出青年學科帶頭人支持計劃。目前主要研究領域為機器學習與計算機視覺，已發(fā)表國際一流學術論文100余篇。主持國家重點研發(fā)計劃項目1項，參與1項；主持國家自然科學基金、四川省科技廳等各個國家、省部級課題。并主持開發(fā)多個取得良好經(jīng)濟效益的工業(yè)產(chǎn)品項目；已授權發(fā)明專利20余項；擔任多個國際頂級學術會議程序委員會成員和分會場主席，如IJCAI, AAAI, ECCV等。擔任中科院2區(qū)期刊Engineering Applications of Artificial Intelligence編委，中興通訊技術編委, 多個國際一流期刊審稿人如IEEE TNNLS, IEEE TC, IEEE TSP等。 榮獲2012年華為-電子科技大學優(yōu)秀合作團隊,2017ICME國際會議優(yōu)秀學生論文獎,作為主研獲得2018年中國圖形圖像學學會科學技術二等獎，2019年四川省科技進步獎1等獎。
歡迎廣大師生踴躍參加！
永利yl23411官網(wǎng)
2023年 4月7日
當前位置：