中山大学林倞教授和梁小丹博士做客计算机学院青年学者讲坛
时间: 2016/5/11 11:44:57      点击次数: 134
201654日上午,来自中山大学数据科学与计算机学院的林倞教授和梁小丹博士在计算机学院4001为大家做了两场学术报告,主题分别为“人物身份验证:深度表示学习与相关距离比较”、“视觉识别任务中的深度上下文建模”。报告由杨健副院长主持。




本次报告林倞教授讲述了自己将度量学习与深度特征学习相结合的工作。林倞教授提出了一种通用型的仿射变换,将余弦距离和马氏距离融合在了一起,而马氏距离、余弦距离、联合贝叶斯等常用的度量都是这个仿射变换的一个特例。在此基础之上,林倞教授将这个通用型仿射变换与CNN无缝链接,实现了一个端到端的身份验证模型。林倞教授之后还简要讲述了自己在模型压缩方面的工作。使用将深度模型特征变换成不定长哈希码的方法,同时降低了模型的空间复杂度和时间复杂度。





随后,梁小丹博士介绍了自己使用长短时记忆递归神经网络(LSTM)进行图像的上下文结构刻画的工作。LSTM的短时记忆能够有效地刻画图像的局部上下文结构,同时长时记忆也兼顾了图像的全局信息。除此之外,梁小丹博士还向我们展示了众多的LSTM变种,比如Gated Recurrent Unit(GRULayer), Pixel-LSTM, Graph-LSTM等。这些通常用于序列建模的工具在图像识别、图像分割、目标检测等任务中大放异彩。

         本次报告深入浅出,生动精彩,有助于大家对深度学习在计算机视觉领域的应用加深见解。

 

林倞教授现任中山大学数据科学与计算机学院教授,博士生导师,教育部超算工程软件工程研究中心副主任。2007-2009年在美国加州大学洛杉矶分校工作,2013-2014年在香港理工大学访问。长期从事视觉计算与智能感知等相关领域的研究,迄今已在权威期刊IJCV (Springer) / IEEE T-PAMI发表论文7篇,在其他IEEE 汇刊发表论文20余篇,在CVPR/NIPS/ICCV/ACM MM等顶级国际会议发表论文30余篇。获得2010 ACM NPAR最佳论文奖,2012Google Faculty Award2014ICME最佳学生论文奖。2012年入选教育部新世纪优秀人才支持计划,2013年获广东自然科学杰出青年基金。目前担任IEEE Trans. Human-Machine SystemsThe Visual ComputerNeurocomputing等期刊的编委。

 

梁小丹目前在中山大学攻读博士学位,导师为林倞教授。2011年在中山大学获得硕士学位。梁小丹博士目前的研究兴趣包括利用深度学习模型解决计算机视觉中的物体识别与分割、语义分割、物体解析、医学图像分析。已经发表了数篇IEEE国际会议论文与IEEE期刊论文,包括TPAMI, TIP, TMI, TMM, CVPR, ICCV, IJCAI, ACM MM等。