行知论坛134:基于辅助信息的鲁棒模型拟合方法

时间:2017-07-13浏览:13设置

时间:714日下午15:00

地点:计算机学院4042

  

题目基于辅助信息的鲁棒模型拟合方法


报告摘要:

鲁棒模型拟合方法能够使计算机自动感知图像视频中的几何模型信息,这方面研究对于许多计算机视觉任务如场景识别、三维重 构、虚拟现实、运动分割等都具有重要意义。然而,由于在实际任务中的数据可能包含大量的噪声和离群数据,如何从包含大量噪声和多模型实例的数据中鲁棒地估 计其中的模型参数,依然是一个具有挑战性的研究课题。我们将在报告中主要介绍我们实验室最近在鲁棒模型拟合研究中取得的一些进展,其中包括我们提出的基于 超图的鲁棒拟合方法、最近提出的基于超像素的确定性拟合方法等,以及这些方法在视觉数据分割中的应用。


个人简历:

王菡子为福建省“闽江学者”特聘教授,厦门大学博士生导师。现任厦门大学模式分析与机器智能研究中心主任,福建省“智慧城市感知与计算”重点实验室副主任。2004年获澳大利亚MONASH大学博士学位,并荣获Douglas Lampard电子工程研究奖章;20042010年分别任澳大利亚 MONASH大学研究员、美国JOHNS HOPKINS大学博士后研究员和助理研究科学家、澳大利亚ADELAIDE大学高级研究员。已入选或获得福建省“闽江学者”特聘教授、厦门市杰出青年科技人才创新计划项目、厦门市重点引进人才和福建省“百人计划”等。主要研究方向为计算机视觉,包括鲁棒模型拟合、多视几何学、目标检测与跟踪等。在国内外重要学术期刊和国际学术会议上已发表论文100多篇,其中,多篇发表在国际顶级期刊IEEE TPAMIIJCV等上,以及国际权威会议如ICCVCVPRECCVNIPS等上。现为IEEE高级会员,曾担任国际期刊IEEE TCSVT编委,国际会议ACM ICIMCS2014大会主席、IEEE CVRS2012程序委员会主席、ACCV2016DICTA2010区域主席,以及多个国际会议(如ICCVCVPRECCVIJCAI等)的程序委员会委员。担任美国国家科学基金、葡萄牙国家基金和中国国家自然科学基金项目的特邀评审或会评专家。

  

  


返回原图
/