个人简介: 陈小雕,杭州电子科技大学教授,博士生导师。研究方向涉及计算机辅助设计(CAD),计算机图形学(CG),数字图像处理等,研究兴趣包括:曲线曲面的优化逼近、求交、距离计算、中轴线计算、网格模型分割等;图像的边缘检测、去噪、平滑等基础理论与方法,椭圆弧拟合与检测,阴影检测等;及非线性方程组及微分方程的数值求解等。主持了多项国家自然科学基金、浙江省自然科学基金、北京信息科学与技术国家研究中心(清华大学)和浙江大学CAD/CG重点实验室开放基金等项目,获浙江省自然科学奖三等奖。目前聚焦工业设计软件研发以及基于深度学习的医学图像处理。为中国计算机学会CAD/CG专业委员会委员、中国工业与应用数学学会几何设计与计算专业委员会委员、2009年入选浙江省“新世纪151人才工程”第三层次。 研究生毕业于清华大学,曾跟法国INRIA的 Jean-Claude Paul教授、香港城市大学Weiyin Ma教授、新加坡南洋理工大学Jianmin Zheng教授等做过学术访问与交流。在CAD、CAGD、JCAM、AML、TCSVT等SCI期刊上发表论文50余篇。 主要内容: 无标签数据通常用于提高分割模型的泛化能力。然而,这种方法往往忽视了无标签样本固有的难度,我们需要标注多少图像以及如何标注它们?本次报告主要介绍两种基于Transformer和自训练方案的阴影检测器(即SDTR和SDTR+),以及它们之间的主要区别。
|