网络空间安全学院

英文站|

学术交流
当前位置:    首页 > 学术交流 > 学术看板 >    正文
Towards better generalized visual analysis for real-world challenges

日期:2023-06-28                   来源:                   作者:               关注:

报告题目:Towards better generalized visual analysis for real-world challenges(面向真实世界挑战的高泛化性视觉分析)

报告人: Haoliang Li(李皓亮)                  

报告时间:2023630 10:00-11:30

报告地点:江安校区多学科交叉研究创新大楼九楼919报告厅


报告内容:

视觉识别任务极大地受益于深度学习方法的快速发展。然而,深度学习的成功在于强假设,即训练和测试数据来自相似的特征空间和分布,这在现实场景中并不总是成立。因此,现有的基于深度学习的视觉识别技术往往缺乏泛化能力,这阻碍了它们应用于不同的实际场景。

在本次讲座中,将介绍几种基于深度学习的领域泛化方法来解决泛化性不足的问题,并且结合机器学习(变分贝叶斯)、软件工程(覆盖测试)和可解释人工智能领域的基础研究进行介绍,还将讨论深度学习算法泛化问题的未来发展方向。


报告人简介:

李皓亮,2018年于新加坡南洋理工大学(NTU)获得博士学位。他目前是香港城市大学电机工程系的助理教授,研究主要集中在人工智能安全、多媒体取证和迁移学习。 2019年获得Wallenberg-NTU校长博士后奖学金,2019年博士创新奖,2020VCIP最佳论文奖,2022AI+X中国青年学者50强,2022年斯坦福大学高被引科学家前2%


网络空间安全学院

2023年6月28日

关闭