网站首页

您的当前位置是: 网站首页 -> 学术报告 -> 内网报告 -> 正文
计算机科学与技术学院学术报告(CCF-MM走进高校)
发布时间:2021-01-14        文章来源:       浏览:

会议时间:2021116日上午

报告人:王树徽 李泽超 李宇峰

参会方式:线上会议,腾讯会议

会议 ID464 292 149  密码:202101

会议主题:可解释跨媒体分析与推理---王树徽(9:10-9:55

          开放环境多媒体内容智能分析---李泽超(9:55-10:40

          安全弱监督学习及其应用初探---李宇峰(10:40-11:25

报告人简介:

王树徽,博士,研究员,博士生导师,2006年于清华大学获得工学学士学位,20127月于中国科学院计算技术研究所获得工学博士学位,201410月从中国科学院计算所博士后出站并留所工作,历任助理研究员、副研究员(2015)、研究员(2020)。从事跨媒体理解与知识推理、大数据理论与方法、机器学习等方面的研究。

李泽超,南京理工大学计算机科学与工程学院、人工智能学院教授、博士生导师,社会安全信息感知与系统工信部重点实验室副主任,分别于2008年和2013年毕业于中国科学技术大学和中国科学院自动化研究所。研究兴趣主要是媒体智能分析、计算机视觉等。

李宇峰,博士,副教授,南京大学软件新技术国家重点实验室。主要从事机器学习、弱监督学习、统计学习等方面的研究。

报告摘要:

 (王树徽跨媒体呈现出跨模态、跨数据源的复杂关联特性。跨媒体分析推理技术研究拟针对跨媒体数据特点,以多模态人类智能为目标,构建跨模态、跨平台内容的语义贯通机制,并进一步通过问答、交互等方式,实现针对复杂认知目标的不断逼近。然而,现有方法从学习机理、分析过程、推理结果等方面存在难以解释的难题,对在该研究方向上产生变革性突破造成了困难与阻碍。本报告拟针对跨媒体分析推理的可解释性学习目标,提出可解释分析推理的问题定义,并进一步介绍研究组近期的初步研究尝试,包括机理可解释的开放域迁移识别、表征可解释的视频语义理解、过程可解释的视觉问答技术等。基于已有研究结论,以及符号主义与连接主义结合的思想,探讨可解释跨媒体分析推理技术的未来发展趋势。

(李泽超)图像视频大数据智能分析与理解在多种实际应用中具有至关重要的作用,比如无人驾驶、网络空间内容安全以及社会公共安全等。然后实际情况下训练数据往往是受限的。为此,我们研究了开放环境下智能图像内容理解问题,主要是半监督和弱监督条件下的图像内容分析,提出了半监督特征学习方法,提出了分析用户信息的张量分解模型以及基于锚体的张量分解模型,高效的融合社交网络图像的多源异质信息,提出了深度协同因子分解模型,将图像和标签映射到统一空间,同时解决图像标注、标签优化、基于内容的图像检索以及标签扩展等多种任务。

(李宇峰)弱监督学习是机器学习的重要领域。近年来得到广泛关注,然而不少文献指出其有时工作的效果欠佳,难以直接依赖。弱监督学习的安全性亟待研究解决,本报告将分享:1)安全弱监督学习的一般型框架和理论基础;2)弱监督学习在应对分布失配的安全学习方法;3)安全弱监督学习的初步应用。

佳山校区地址:安徽省马鞍山市湖东路59号
邮编:243002
秀山校区地址:安徽省马鞍山市马向路新城东区
邮编:243032

官方微信

官方微博

版权所有 © 2020  y8cc网站现在是多少 【皖ICP备19010821 皖公网安备 34050302000234号】