加载中…
个人资料
视觉与学习青年学者研讨会_VALSE
视觉与学习青年学者研
讨会_VALSE
  • 博客等级:
  • 博客积分:0
  • 博客访问:7,342
  • 关注人气:48
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
访客
加载中…
好友
加载中…
评论
加载中…
留言
加载中…
分类
博文
置顶: (2016-01-25 10:55)
标签:

it

参加VALSE Webinar活动须知


阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it

该文章属于“VALSE”原创,未经授权禁止转载。


【VALSE 前沿技术选介17-03期】使用二阶信息改进神经网络
作者: Winsty

今天给大家介绍的主题是利用二阶信息(协方差矩阵或二阶poly kernel)来改进网络表示能力。其实这个这个想法并不是一个很新的想法了,之前比较著名的工作包括DeepO2P[3]和Bilinear Model[4]和其各种改进。这两篇工作,尤其是[1],把这样一个想法做的扎实很多,不仅从理论上给出了一些分析,更重要的是证明了在大规模的vision问题,比如ImageNet分类上是很有效的。这一点十分难能可贵。

这两个文章一个共同的框架都是先使用CNN抽取feature map,然后将feature map中的每一个位置作为一个sample,计算整个feature map的协方差矩阵。在得到协方差矩阵之后,[1]在对特征值进行了简单的normalization后进行了输出,而[2]尝试了很多降维和参数化变换后输出。示意图分别如下:
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it


报告嘉宾:Yong Jae Lee(UC Davis Computer Science)
报告时间:2017年04月27日(星期四)上午10:30(北京时间)
报告题目:Discovering where to look for weakly-supervised visual recognition
主持人:禹之鼎

报告摘要:
I will first give a brief introduction of the computer vision group at UC Davis, including the research directions of each member. I will then present our group's recent and ongoing work on weakly-supervised visual recognition. In contrast to fully-supervised algorithms, the proposed methods do not require detailed annotations during training, and instead can learn to focus
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it


报告嘉宾1:史颖欢 博士(南京大学计算机科学与技术系,计算机软件新技术国家重点实验室)‘
报告题目:非独立同分布条件下的学习方法及其在医学图像分析中的应用
报告时间:4月19日晚20:00(北京时间)
主持人:姬艳丽(电子科技大学)

文章信息:
[1] Yinghuan Shi, Yaozong Gao, Shu Liao, Daoqiang Zhang, Yang Gao, Dinggang Shen. Semi-Automatic Segmentation of Prostate in CT Images via Coupled Feature Representation and Spatial-Constrained Transductive Lasso, in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), vol:37(11), pp:2286-2303, 2015
[2] Yinghuan Shi, Yang Gao, Yubin Yang, Ying Zhang, Dong Wang. Multi Mo
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it

该文章属于“VALSE”原创,未经授权禁止转载。

【VALSE 前沿技术选介17-02期】可形变的神经网络


作者:Winsty

今天给大家介绍的是上周出现在arxiv上的一篇
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
该文章属于“VALSE”原创,未经授权禁止转载。


【VALSE 前沿技术选介17-01期】深度模型加速新思路
作者: Winsty


经过两个月的休整,论文前沿选介栏目再次回归!今天给大家带来的是一种全新模型加速的方式。

模型加速在近几年是一个研究热点,首先大部分工作只谈压缩不谈加速,然后在大多数加速的工作中想得到实际加速的效果,而不是理论复杂度的减少需要特殊的实现(quantization类方法,sparse类方法)甚至硬件。在这其中只有直接neuron pruning类方法和knowledge transfer类方法可以直接利用现有框架,得到可以直接部署的小模型。今天给大家介绍的便是第三类个人觉得很有前途的方式。

在这个方向上,最先的一个尝试是[1]。思路十分直观:根据样本的复杂度把CNN当作一个deep cascade,简单的样本只需要使用浅层的特征即可做出正确的分类,然而复杂的样本需要多层网络才可以判断
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 

报告嘉宾1:齐国君(University of Central Florida)
报告时间:2017年4月12日晚20:00(北京时间)
报告题目:Loss-Sensitive Generative Adversarial Networks on Lipschitz Densities
主持人:任传贤(中山大学)

报告摘要:In this talk, I will present a novel Loss-Sensitive GAN (LS-GAN) that learns a loss function to separate generated samples from their real examples.  An important property of the LS-GAN is it allows the generator to focus on improving poor data points that are far apart from real examples rather than wasting efforts on those samples that have already been well generat
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it


报告嘉宾1:彭博(西南交通大学)

 

阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it


报告嘉宾1:王昌栋(中山大学)

报告时间:

阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it


报告嘉宾1:李坤乾(华中科技大学)
报告时间:2017年2月22日(星期三)晚20:00(北京时间)
报告题目:Introduction of image Co-segmentation and recent works
主持人:  贾伟(合肥工业大学)

报告摘要:
Image segmentation is the fundamental question in computer vision society, which plays important roles in many senior tasks and receives broad attention. Recently, image co-segmentation has become a new hot area in segmentation. The main task of co-segmentation is to mine the consistencies and connections of the images in a group, which will then assist the segmenta
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
标签:

it

VALSE 2017 



美丽的厦大,春光明媚的四月,召唤你来跳学术华尔兹啦~

盼星星盼月亮,VALSE 2017终于开放注册了!

机器学习里No free lunch太遗憾,VALSE 2017不仅有free lunch,还可以边享受free light dinner边看Poster和Demo。

当然,最重要的是VALSE 2017有13个重量级大会特邀报告,2个Tutorial,10余个领域的年度进展评述,100余篇最新的顶会牛刊论文Poster,30余最新的系统Demo。

所以!老师们,同学们~打开以下链接,进行注册吧:

ht
阅读  ┆ 评论  ┆ 禁止转载 ┆ 收藏 
  

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