报告人简介: 崔振,南京理工大学教授、博导,国家高层次青年人才计划,江苏省杰青。研究方向为计算机视觉和模式识别。在IEEE汇刊(T-PAMI/T-IP等)和中国计算机协会(CCF)A类会议(CVPR/NIPS等)发表/录用论文50余篇。曾获中国科学院优秀博士论文、CCF优秀博士论文提名、国内外重大/重要赛事冠亚军各2项等;承担国家自然科学基金、装备预研等多项项目。
报告内容简介: 图是描述/建模非规则数据的一种重要且通用的工具。随着深度学习的出现与进步,面向图的深度学习理论与技术正成为当前研究热点。本报告首先介绍目前图神经网络的最新进展,包括代表性的谱图滤波以及空间图卷积等若干方法;然后从两个方面介绍我们最近开展的一些探索性工作:1)理论方面:包括基于贝叶斯理论、张量理论的(多)图表示学习方法等;2)应用方面:包括从底层到高层视觉的图模型设计与学习方法等。 |