好文作者面授招–20150729

【15-23期VALSE Webinar活动】

报告嘉宾1:吕健勤(香港中文大学)
主持人:张兆翔(中科院自动化所)
报告题目: Image Super-Resolution Using Deep Convolutional Networks [Slides]
报告时间:2015年7月29日晚20:00(北京时间)
文章信息:
[1] C. Dong, C. C. Loy, K. He, and X. Tang, Image Super-Resolution Using Deep Convolutional Networks, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015 (TPAMI).
报告摘要:We propose a deep learning method for single image super-resolution (SR). Our method directly learns an end-to-end mapping between the low/high-resolution images. The mapping is represented as a deep convolutional neural network (CNN) that takes the low-resolution image as the input and outputs the high-resolution one. We further show that traditional sparse-coding-based SR methods can also be viewed as a deep convolutional network. But unlike traditional methods that handle each component separately, our method jointly optimizes all layers. Our deep CNN has a lightweight structure, yet demonstrates state-of-the-art restoration quality,
and achieves fast speed for practical on-line usage. We explore different network structures and parameter settings to achieve tradeoffs between performance and speed. Moreover, we extend our network to cope with three color channels simultaneously, and show better overall reconstruction quality.
报告人简介:吕健勤,香港中文大学研究助理教授,2010年获得伦敦大学玛丽王后学院(Queen Mary University of London)博士学位,2010-2013年于Vision Semantics任博士后研究员。曾参与两项欧盟框架计划下的计算机视觉研发项目,重点研究安防与多摄像头监控系统。已发表论文40篇以上,其中包括了计算机视觉三大会议(ECCV、CVPR、ICCV)及顶级期刊 (TPAMI、IJCV)。现任IET Computer Vision 杂志副主编,并担任多个国际顶级会议和期刊的审稿人。其研究方向主要为计算机视觉、模式识别、视频处理,研究内容包括人脸分析、深度学习、视觉监控和底层图像处理等。

报告嘉宾2:郑良(清华大学)
主持人:张兆翔(中科院自动化所)
报告题目: Query-Adaptive Late Fusion for Image Search and Person Re-identification [Slides]
报告时间:2015年7月29日晚21:00(北京时间)
文章信息:
[1] Liang Zheng, Shengjin Wang, Lu Tian, Fei He, Ziqiong Liu, and Qi Tian. Query-Adaptive Late Fusion for Image Search and Person Re-identification. CVPR 2015.
报告摘要:本次报告将介绍一种得分层的特征融合算法。在图像检索中,查询图像的内容千变万化,当检索系统中存在多种特征时,我们往往无法预先判断哪些特征是“好”的、哪些是“坏”的。即,特征的“好坏”是相对于查询图像而言的。因此,一个重要的问题是,给定查询图像,如何自动判断某个特征的有效性。本文基于简单的假设,提出了一种特征有效性判别算法,并在特征融合中,赋予“好”特征较大权重,赋予“坏”特征较小权重。在图像检索和行人再识别任务中,算法取得了优异的性能。
报告人简介:郑良于2010年至2015年就读于清华大学电子工程系并获得博士学位,导师是王生进教授和田奇教授。2006年至2010年就读于清华大学生命学院并获理学学士学位,2014年1月至6月前往美国德克萨斯大学圣安东尼奥分校访问,2014年12月至2015年7月在微软亚洲研究院实习,导师王井东研究员。在领域内期刊和会议发表一作论文11篇,其中包括CVPR、IEEE Transactions on Image Processing和IEEE Transactions on Multimedia等。更多信息请访问www.liangzheng.com.cn。

(Visited 1,179 times, 2 visits today)