讲者: 樊庆楠
时间: 2016年4月7日, 14:00-15:00
地点: 山东大学软件园校区科研楼146
主题: Dense Prediction 在深度学习中的应用
摘要:
深度学习最近几年在自然语言处理与计算机视觉领域大红大紫,比如ImageNet数据集上的比赛每年都能引起学术界和工业界的广泛关注,引领着deep learning发展的方向。今年我主要介绍下深度学习在dense prediction这个问题上的主要应用,包括depth map prediction, boundary detection, image super resolution 和 image colorization. 前两个问题因为自己标注ground truth较困难,是在已有的公开数据集上训练的;后两个问题可以将任何自然图像处理后作为训练集。这四个深度学习的问题对应的方法都各有特色,在深度学习dense prediction方向已经做到比传统方法好很多的程度,特别是image colorization尝试自动无交互地彩色化灰度图,这是以往方法很难实现的。
讲者简介:
樊庆楠是山东大学交叉研究中心博士生,他的主要研究方向是图像处理,深度学习和3D打印。他曾在SIGGRAPH 和 SIGGRAPH ASIA 上发表两篇论文,分别是关于在3D打印中节省材料的研究和视频实时的交互式分割的研究。他于2014年在山东大学获得软件工程学士学位。