中国计量大学潘晨教授莅临我校学术交流

 

报告主题：基于视觉饱和的双通道显著目标检测研究

报告专家：潘晨 教授

报告时间：2019年11月24日（周日） 8:00-10:00

报告地点：麦庐园荟庐楼H302报告厅

报告摘要：

受人脑眼系统启发，提出一种双通道显著目标检测算法框架。由数据驱动与任务驱动的感知通道组成，借助感知饱和准则控制算法过程。其中利用在线学习的随机权神经网络搭建模拟直觉的、具有正反馈回路、能促使感知饱和的数据驱动通道；利用深度神经网络搭建体现记忆作用的任务驱动通道。将工作机制截然不同的双通道感知结果加权综合并阈值化输出后，可获得图像二值目标；通过双通道输出比较，可获得高可信度的预测目标像素标注，用来自主构建新的训练样本集，更新任务驱动模型。

上述检测框架组成了一种半监督学习系统。只需用一定数量人工标注的数据集预训练产生初始的任务模型，算法即可无监督检测图像目标。运行时可通过自主积累新的可信样本来探查未知图像，迭代更新记忆模型，再借助新模型提升系统性能。比较实验说明新方法没有半监督学习系统常见的性能退化现象。其PR曲线、F-measure和MAE等性能超过目前最新的显著目标检测算法。

                

专家介绍：

潘晨，博士，中国计量大学信息工程学院教授。1988年于中国人民警官大学获工学学士学位，2001年于华东理工大学获工学硕士学位，2005年于西安交通大学获工学博士学位。2010年于韩国全北国立大学博士后工作一年。2017年于新西兰奥克兰理工大学访问学者半年。研究兴趣包括机器视觉，深度学习，模式识别等算法及其应用。在模拟人类视觉机制的图像处理算法方向有创新成果。已主持省级自然科学基金项目4项，参与国家自然科学基金项目等6项；培养硕士研究生20余人。发表SCI/EI科研论文50余篇；获批发明专利13项、软件著作权10余项。