专题侠客群论剑-20150401

【15-10期VALSE Webinar活动】

报告嘉宾1耿新(东南大学)
主持人张兆翔(北航)
报告时间:2015年4月1日晚20:00(北京时间)
报告题目:标记分布学习及其应用 [Slides]
文章信息
[1] X. Geng, C. Yin, and Z.-H. Zhou. Facial Age Estimation by Learning from Label Distributions. IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI), 2013, 35(10): 2401-2412.
[2] X. Geng and Y. Xia. Head Pose Estimation Based on Multivariate Label Distribution. In: Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition (CVPR’14), Columbus, OH, 2014, pp. 1837-1842.
[3] X. Geng and L. Luo. Multilabel Ranking with Inconsistent Rankers. In: Proceedings of IEEE International Conference on Computer Vision and Pattern Recognition (CVPR’14), Columbus, OH, 2014, pp. 3742-3747.
报告摘要:标记分布学习(label distribution learning)是一种新型机器学习范式,该范式中每个示例由一个覆盖所有可能标记的分布来标注,而不是由一个标记(单标记学习范式)或者一组标记(多标记学习范式)来标注。本报告简要介绍了标记分布学习的基本概念和已有算法,以及其在年龄估计、头部姿态估计、图像多标记排序、人群计数、电影评分分布预测等方面的应用。
报告人简介:耿新,分别于2001年和2004年在南京大学计算机科学与技术系获得学士和硕士学位,于2008年获得澳大利亚Deakin大学博士学位。2008年、2014年历任东南大学计算机科学与工程学院副研究员、研究员,2011年起任东南大学计算机科学与工程学院、软件学院副院长。组建东南大学模式学习与挖掘(PALM)实验室(http://palm.seu.edu.cn/)并担任实验室主任,目前主要从事模式识别、机器学习、计算机视觉等方面的研究。主持多项国家自然科学基金项目,江苏省杰出青年基金获得者。在重要国际学术期刊和会议发表论文近40篇,编撰学术文集一部、撰写专著章节2章、申请国家发明专利8项,其中4项已获授权。现为CCF青年工作委员会委员兼秘书,江苏省计算机学会理事、青年工作委员会主任,CCF YOCSEF南京分论坛候任主席(2015-2016),CCF人工智能与模式识别专委会、计算机视觉专业组委员,中国人工智能学会机器学习专委会、模式识别专委会委员,江苏省计算机学会/微型电脑应用协会人工智能专委会常委,澳大利亚科学与工业捐赠基金(SIEF)项目评阅人,《Frontiers of Computer Science》青年编委。曾任/将任《Pattern Recognition Letters》和《International Journal of Pattern Recognition and Artificial Intelligence》客座编辑,第15届泛太平洋国际人工智能会议(PRICAI’18)程序委员会主席,2013年视觉与学习研讨会(VALSE’13)共同主席,2014年江苏省人工智能学术会议(JSAI’14)程序委员会主席,PRICAI’14、ICDM’13等国际会议分会主席,人工智能顶级国际会议IJCAI’15高级程序委员会(SPC)委员,CVPR、ICCV、IJCAI、AAAI、ACMMM、ECCV等重要国际会议的常年程序委员会委员,《TPAMI》、《TIP》、《TMM》、《TKDE》、《TNNLS》、《中国科学》等重要国内外期刊审稿人。

报告嘉宾2陈轲(坦佩雷理工大学)
主持人:张兆翔北航
报告时间:2015年4月1日晚20:00(北京时间)
报告题目: Cumulative Attribute Space for Age and Crowd Density Estimation [Slides]
文章信息
[1]  K Chen, S Gong, T Xiang, CC Loy, Cumulative Attribute Space for Age and Crowd Density Estimation, Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp. 2467-2474, 2013.
报告摘要:A number of computer vision problems such as human age estimation, crowd density estimation and body/face pose (view angle) estimation can be formulated as a regression problem by learning a mapping function between a high dimensional vector-formed feature input and a scalar-valued output. Such a learning problem is made difficult due to sparse and imbalanced training data and large feature variations caused by both uncertain viewing conditions and intrinsic ambiguities between observable visual features and the scalar values to be estimated. Encouraged by the recent success in using attributes for solving classification problems with sparse training data, this paper introduces a novel cumulative attribute concept for learning a regression model when only sparse and imbalanced data are available. More precisely, low-level visual features extracted from sparse and imbalanced image samples are mapped onto a cumulative attribute space where each dimension has clearly defined semantic interpretation (a label) that captures how the scalar output value (e.g. age, people count) changes continuously and cumulatively. Extensive experiments show that our cumulative attribute framework gains notable advantage on accuracy for both age estimation and crowd counting when compared against conventional regression models, especially when the labelled training data is sparse with imbalanced sampling.
报告人简介:陈轲博士,目前在坦佩雷理工大学从事博士后工作,2013年毕业于伦敦大学玛丽皇后学院获得哲学博士学位 。主要研究方向是:计算机视觉,模式识别,神经动力学及其在机器人中的应用。共在国际学术期刊和国际会议发表论文40余篇。

(Visited 278 times, 1 visits today)