行知论坛136:图像复原:从稀疏、低秩到深度学习模型

时间:2017-08-12浏览:13设置

  

时间:817日下午230

  

地点:计算机学院4042

  

题目:图像复原:从稀疏、低秩到深度学习模型

  

摘要:图像复原是信号处理,计算机视觉领域的经典问题。本报告介绍本人博士期间基于稀疏表达模型、低秩模型和深度学习模型的图像复原工作。(1)对于稀疏表达模型,本报告首先回顾解析与合成稀疏模型在图像复原中的应用,分析现有方法的优缺点。然后,针对现有方法的不足,介绍我们在不同应用上的改进方法;包括基于卷积稀疏编码的图像超分辨方法、基于加权解析稀疏表达模型的深度图增强方法,以及我们最新提出的联合解析与合成模型的图像分层方法。(2)对于低秩模型,本报告将介绍一种基于加权核范数的低秩矩阵逼近方法,并展示该方法在一系列图像复原问题中的应用。(3)对于基于深度学习的图像复原,本报告将介绍我们近期关于提升深度复原模型泛化能力、面向真实问题的深度复原模型训练方法的工作。

个人简介:顾舒航,2010年本科毕业于北京航空航天大学,2013年硕士毕业于华中科技大学,2017年博士毕业于香港理工大学,现为香港理工大学助理研究员(博士后)。院主要研究方向为基于优化和机器学习方法的底层视觉问题。目前已在国际顶级会议和期刊上发表论文十余篇,包括CVPR, ICCV, NIPS, IJCV, TIP.

 

返回原图
/