科学研究

学术报道:香港中文大学多媒体实验室李鸿升教授与我院师生开展线上学术交流

2020122日上午10:00,应南京师范大学电气与自动化工程学院邀请,香港中文大学李鸿升教授在启明楼202会议室通过腾讯会议作了题为“无监督及领域自适应的目标重识别”的学术报告。本次报告由丁树业教授主持,闵富红教授、张雷、谢非、钱伟行等老师以及学生50余人参加了本次学术报告。

李鸿升教授2012年在美国理海大学获得计算机科学博士,2013-2015年任电子科技大学副教授,2015-2017年任香港中文大学研究教授,2018年至今任香港中文大学多媒体实验室教授。现任国际期刊Neurocomputing的副编辑和International Journal of Computer Vision客座编辑。主要从事计算机视觉、深度学习以及医学图像处理等方面的研究工作。在计算机视觉、机器学习、医学图像处理顶级期刊和会议上发表论文70余篇。获IEEE电路与系统协会2020年杰出青年作者奖,以及ImageNet 2016国际挑战赛视频物体检测项目第一名。

本次讲座介绍了无监督及领域自适应下的目标重识别任务,李鸿升教授分别就“Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person Re-identification”, “Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive Object Re-ID”“Structured Domain Adaptation with Online Relation Regularization for Unsupervised Person Re-ID”三项研究工作进行了分享,所介绍的算法被发表于机器学习顶级会议,International Conference on Learning Representations (ICLR) 2020Conference on Neural Information Processing Systems (NeurIPS) 2020。目标重识别是智慧城市系统中不可或缺的重要组成部分,在如今深度学习盛行的时代,大规模数据集推动了该任务的快速发展,然而,即使是在大规模数据集上训练好的模型,当直接应用于一个新的相机系统(或监控系统)时,性能也会大幅下降,且训练数据的收集和标注耗时耗力。故无监督及领域自适应下的目标重识别算法被提出以解决这一难题。

报告最后,在场老师和同学们就无监督与有监督算法泛化能力对比、两种网络初始化设置和与训练、算法对诸如视频流类型数据的效果等问题,跟李鸿升教授进行了热切地交流讨论。到场的师生通过本次学术报告收益匪浅,大家对无监督及领域自适应的目标重识别有了更深刻地了解,除此之外,对机器学习、深度学习及计算机视觉的相关知识以及研究中遇到的问题也有了更深入的理解认识。(闵富红供稿)