加载中…
正文 字体大小:

【17-19期VALSE Webinar活动】

(2017-08-28 18:14:56)
标签:

it

【17-19期VALSE <wbr>Webinar活动】

报告嘉宾:韩琥(中科院计算所)

报告时间:2017年08月30日(星期三)下午20:00(北京时间)

报告题目:Visual Attribute Learning: From STL to MTL

主持人:  王瑞平(中科院计算所)


报告摘要:

近年来,以ImageNet 大规模视觉识别挑战赛(ILSVRC)为代表的系列视觉识别任务,极大地推动了图像分类与目标识别方法的发展,在ImageNet上,机器(算法)对图像分类的错误率从最初的28%降低到 2.9%,远低于人类5.1%的错误率。然而,视觉对象除了具有类别这一特征之外,还包含颜色、形状、部件等丰富的中层语义层面的视觉属性特征,这些视觉属性对于理解和描述视觉对象而言同样具有重要的作用。正如我们看到一个认识的人时,我们不仅一下想到这个人的名字,同时会留意到这个人此时的穿着、发型、饰物、表情等多种视觉属性。丰富的视觉属性之间既有紧密的相关性又包含明显的差异性(异质性),如何对属性相关性与异质性进行建模,是鲁棒高效的视觉属性学习中重要的研究内容之一。本次报告将从人脸对象的视觉属性学习出发,回顾相关的视觉属性学习工作,并对我们在视觉属性学习方面的一些工作进行介绍和分享。


相关论文:

[1] H. Han, A. K. Jain, S. Shan, and X. Chen. "Heterogeneous Face Attribute Estimation: A Deep Multi-Task Learning Approach,” To appear in IEEE Trans. Pattern Analysis and Machine Intelligence (T-PAMI), pp. 1-14, 2017. (CCF-A, IF: 8.3) [arXiv:1706.00906]

[2] H. Han, C. Otto, X. Liu, and A. K. Jain. "Demographic Estimation from Face Images: Human vs. Machine Performance,” IEEE Trans. Pattern Analysis and Machine Intelligence (T-PAMI), vol. 37, no. 6, pp. 1148-1161, Jun. 2015. (CCF-A, IF: 8.3, GS: 80+ citations)

[3] F. Wang, H. Han, S. Shan, and X. Chen. "Deep Multi-Task Learning for Joint Prediction of Heterogeneous Face Attributes,” in Proc. IEEE FG, May 2017. (CCF-C)

[4] H. Han, C. Otto and A. K. Jain. "Age Estimation from Face Images: Human vs. Machine Performance,” in Proc. ICB, 2013. (Oral, CCF-C, GS: 100+ citations) 

[5] H. Han and A. K. Jain, "Age, Gender and Race Estimation from Unconstrained Face Images," MSU Technical Report, MSU-CSE-14-5, 2014. (GS: 31 citations)

[6] LFW+ dataset: age, gender, and race labels provided by MTurk workers: http://biometrics.cse.msu.edu/pub/databases.html

[7] Demo: http://ddl.escience.cn/f/FOrq


报告人简介:

韩琥,中科院计算所副研究员,硕士生导师。2005年毕业于山东大学获学士学位,2011年毕业于中科院计算所获博士学位,之后分别在美国密歇根州立大学和美国谷歌总部从事生物特征识别研究工作,曾担任谷歌ATAP Abacus项目(智能设备身份认证)核心研发成员。2015年加入中科院计算所,主要研究方向为生物特征识别、计算机视觉及模式识别。先后在包括IEEE T-PAMI、IEEE T-IFS、PR、ECCV等本领域知名国际期刊与会议上发表学术论文30余篇,其中一作与通讯作者CCF-A类期刊长文7篇(一作T-PAMI长文2篇),谷歌学术引用超过940次(H-Index:18);多次应邀担任ICB、IJCB、ACCV、CCBR等知名国内外生物特征识别与计算机视觉会议程序委员会委员。目前作为合作单位负责人参与国家基金委重点项目1项,作为项目负责人承担国家基金委面上项目1项和中科院-INRIA国际合作重点项目1项,作为课题骨干参与科技部973项目1项;曾作为技术负责人参与美国司法部和自然科学基金的模拟画像识别和人脸活体判别等多个项目。联合指导研究生获ICCV2015表观年龄识别竞赛亚军、CCBR2016最佳学生论文奖。更多介绍详见:http://www.escience.cn/people/hhan/index.html


特别鸣谢本次Webinar主要组织者:

VOOC责任委员:韩琥(中科院计算所)

VODB协调理事:纪荣嵘(厦门大学)


活动参与方式:

1、VALSE Webinar活动全部网上依托VALSE QQ群的“群视频”功能在线进行,活动时讲者会上传PPT或共享屏幕,听众可以看到Slides,听到讲者的语音,并通过文字或语音与讲者交互;

2、为参加活动,需加入VALSE QQ群,目前A、B、C、D、E群已满,除讲者等嘉宾外,只能申请加入VALSE F群,群号:594312623 。申请加入时需验证姓名、单位和身份,缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M

3、为参加活动,请下载安装Windows QQ最新版,群视频不支持非Windows的系统,如Mac,Linux等,手机QQ可以听语音,但不能看视频slides;

4、在活动开始前10分钟左右,主持人会开启群视频,并发送邀请各群群友加入的链接,参加者直接点击进入即可;

5、活动过程中,请勿送花、棒棒糖等道具,也不要说无关话语,以免影响活动正常进行;

6、活动过程中,如出现听不到或看不到视频等问题,建议退出再重新进入,一般都能解决问题;

7、建议务必在速度较快的网络上参加活动,优先采用有线网络连接。

0

阅读 评论 收藏 禁止转载 喜欢 打印举报
已投稿到:
  • 评论加载中,请稍候...
发评论

    发评论

    以上网友发言只代表其个人观点,不代表新浪网的观点或立场。

      

    新浪BLOG意见反馈留言板 不良信息反馈 电话:4006900000 提示音后按1键(按当地市话标准计费) 欢迎批评指正

    新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 会员注册 | 产品答疑

    新浪公司 版权所有