报告题目:少量标注条件下的类条件图像生成及应用
报告人:吴斯,华南理工大学,副教授
报告时间:5月25日 10:30 - 11:30
报告地点:工南217会议室
报告摘要:在实际应用场景中,标注数据可能非常有限,如何利用无标注数据来提高算法性能是半监督学习的关键问题。半监督生成模型可以结合半监督学习和生成对抗学习技术,利用无标注数据引导生成模型发掘数据潜在结构和类别标签之间的关联,从而促进生成数据和真实数据的类条件概率分布的对齐。为确保生成图片的高保真度以及类别语义,提出多种正则化方法改善生成对抗网络在少量标注条件下的类条件图像生成能力。在行人检测等计算机视觉应用中,半监督图像生成模型可以极大地减少检测模型对人工标注的依赖,产生的高保真人体图像能够显著改善训练数据的多样性。
报告人简介:吴斯,华南理工大学计算机科学与技术学院副教授。2012年香港城市大学计算机科学系博士毕业,2013年至2014年在加拿大渥太华大学电气工程和计算机科学学院做博士后,2014年加入华南理工大学。研究方向为机器学习和计算机视觉,在IEEE TIP, IEEE TMM, CVPR,ICCV等期刊和国际会议上发表论文50余篇,其中IEEE汇刊和CCF-A类论文25篇。2019年获得广东省科技进步二等奖。目前承担多项国家和省级科研项目,并参与国家重大科技专项和广东省重点研发计划。
欢迎广大师生参加!
8040威尼斯·(Macau)官网
2021年5月24日