好文作者面授招–20150513

【15-14期VALSE Webinar活动】

报告嘉宾1:樊鑫(大连理工大学)
主持人:郑伟诗(中山大学)
报告题目:Characteristic number regression for fiducial facial feature extraction [Slides]
文章信息:
[1] Xin Fan*, Hao Wang, Zhongxuan Luo, Yuntao Li, Wenyu Hu, and Daiyun Luo, “Fiducial facial point extraction using a novel projective invariant”, IEEE Transactions on Image Processing, 24(3):1164-1177, 2015.
[2] Yuntao Li, Xin Fan*, Risheng Liu, Yuyao Feng, Zhongxuan Luo, and Zezhou Li, “Characteristic number regression for facial feature extraction”, IEEE International Conference on Multimedia and Expo (ICME), 2015. (Oral, Best student paper candidate)
报告时间:2015年5月13日晚20:00(北京时间)
报告摘要: Facial feature extraction plays an important role in many multimedia and computer vision applications. Recent regression methods for extraction lack the explicit shape constraints for faces, and require a large number of facial images covering great appearance variations. We introduces a novel projective invariant, named characteristic number (CN), to explicitly characterize the intrinsic geometries of facial points shared by human faces, which is inherently invariant to pose changes. By further developing a shape-to-gradient regression framework, we provide a robust and efficient feature extractor for facial images in the wild. The computation of our model can be successfully addressed by learning the descent directions using point-CN pairs without the need of large collections for appearance training. We validate our approach on challenging benchmark data sets compared with state-of-the-art approaches.
报告人简介: 樊鑫,分别于1998年和2005年于西安交通大学通信与信息工程专业获工学学士和博士学位。从2006年5月至2009年6月分别在美国俄克拉荷马州立大学和得州大学西南医学研究中心进行博士后研究,2009年11月起在大连理工大学软件学院任副教授,现任数字媒体系主任,辽宁省泛在网络与服务软件重点实验室副主任。入选2011年度教育部“新世纪优秀人才支持计划”,辽宁省“百千万人才工程”千人层次,获得省部级科技进步奖1项、申请国家发明专利12项。一直致力于计算机视觉及医学影像处理的研究,已发表论文五十余篇,其中包括Nature旗下期刊Neuropsychopharmacology(SCI IF: 8.678,封面文章)、国际重要期刊IEEE Trans. on Image Processing, Pattern Recognition和知名会议ICCV、CVPR等。

报告嘉宾2:沈为(上海大学)
主持人:卢孝强(中科院光机所)
报告题目:Deep Feature Learning for Contour Detection [Slides]
报告时间:2015年5月13日晚21:00(北京时间)
文章信息:Wei Shen, Xinggang Wang, Yan Wang, Xiang Bai and Zhijiang Zhang. DeepContour: A Deep Convolutional Feature Learned by Positive-sharing Loss for Contour Detection. IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2015.
报告简介:自然图像中轮廓检测是计算机视觉领域中的一个基础性问题,也是其他一些问题的基础,比如图像分割和目标检测等。以往去解决这个问题的主流方法都是根据经验人为去设计一些梯度的特征。在这个报告中,我将介绍如何通过深度卷积神经网络去学习轮廓特征以提高轮廓检测的准确度。针对轮廓数据本身的特性,我们对网络的训练做了专门的定制。我们将轮廓数据按照轮廓形状划分成多个子类,从而将轮廓与非轮廓这个二类分类问题转化为多类分类问题。同时我们引入一个新的损失函数:该函数在softmax 损失项上增加了一项强调轮廓与非轮廓之间的损失项,使得训练更加注重在学习轮廓与非轮廓间的差异,而不是轮廓子类之间的差异。我们的实验结果表明基于学习得到的深度特征可以在轮廓检测标准数据集(BSDS500)上取得当前最好的结果(0.76 F-measure)。
报告人简介: 沈为,上海大学,通信与信息工程学院,讲师。主要研究方向为计算机视觉和模式识别。分别于2007年和2012年在华中科技大学获得学士和博士学位。博士期间曾在微软亚洲研究院视觉计算组实习。在领域内的期刊和会议上发表论文10余篇,其中包括CVPR, IEEE Transactions on Cybernetics 和Pattern Recognition等顶级会议和期刊。在众多领域内知名期刊中担当审稿人:IEEE Transactions on Cybernetics, Pattern Recognition和Neurocomputing等。现为中国计算机学会计算机视觉专业组委员。

(Visited 318 times, 1 visits today)