中国·太阳成集团tyc33455cc(股份)有限公司

科学研究
科研学术
伪装场景理解学术报告
发布时间:2023-05-04   作者: 访问量:

报告题目:伪装场景理解

时间2023年5月8日(周一)上午10:00 -- 11:00

地点:北航-新主楼F706会议室

摘要

伪装场景理解(Concealed scene understanding,CSU)是一种计算机视觉领域的研究方向,旨在通过人工智能技术来识别那些具有伪装特性的物体。伪装场景通常包括那些经过掩盖、隐藏或以其他方式伪装起来的物体,这些物体可能会被忽略或难以识别,从而增加了计算机视觉中物体识别和图像分割的难度。因此,伪装场景理解的目标是提高计算机视觉系统对伪装场景的感知和理解能力,以应对更加复杂和具有挑战性的场景。目前的伪装场景相关的课题有:伪装目标检测、伪装目标分割、伪装实例分割、伪装目标计数、伪装实例排序、视频伪装目标检测、视频伪装目标分割等主题。本次报告从伪装场景理解出发、介绍相关前沿任务、技术、应用成果以及未来研究趋势。



报告人简介

范登平,于2019年以优秀博士生荣誉从南开大学获得博士学位,现为瑞士苏黎世联邦理工大学研究人员,合作导师为Luc Van Gool教授,曾任阿联酋起源人工智能研究院研究员。 研究方向为计算机视觉、多模态学习和医学图像分析,2013年至今在SCI一区/CCF A类刊物上发表论文约50篇(2次CVPR最佳论文提名、8篇TPAMI论文),H指数41,论文谷歌学术引用1万余次,通讯作者论文单篇最高引用1500余次,Github开源项目合计Stars约1.9K次,两次进入斯坦福全球前2%顶尖科学家榜单,获吴文俊人工智能自然科学二等奖(排四)、吴文俊优秀青年奖。 设计的基于组-背景挖掘的搜索识别模型SINet-V2,因大幅提升“伪装目标检测”任务精度而被中国人工智能学会(CAAI)评定取得了国际领先水平,被英国权威杂志《New Scientist》报道。 应用方面,公开16项中/美发明专利, 技术被用于华为、阿里、日本LPIXEL公司。设计的并行反向注意力网络PraNet可从结肠镜图像中精准地分割息肉,为医生辅助诊断提供了非常有价值的信息,在MediaEval2020竞赛上取得精度指标冠军并被斯坦福2022年人工智能指数报告引用, 被集成到华为算法库中。 主编1本中文学术专著,是IEEE高级会员、CVPR2023领域主席、IJCAI21和23的资深程序委员会委员、CCF-CV执行委员、获中国卓越期刊行动计划国际刊物MIR2022年度优秀编委、2021年CCF优博等荣誉。