学校官网

最新通知

首页 >研究生教育 >最新通知 >正文

学术报告会

发布时间:2021-01-14 12:54    作者:  浏览量:[]

报告题目:深度视觉算法的鲁棒性探讨

报告时间:2021年01年15日 下午2:30-4:30

报告地点:广东工业大学实验二号楼309室

 

个人介绍:

郑锋,南方科技大学副研究员,于英国谢菲尔德大学获得博士学位。研究兴趣包括机器学习、计算机视觉与跨媒体计算。目前在国际顶级杂志和会议上包括IEEE TPAMI/TIP/TNNLS/TITS, AAAI, NeuIPS, CVPR, ECCV发表67篇学术论文, 其中,高被引论文2篇,CCF推荐A30篇。同时,是IET Image Processing杂志副编辑(AE),是国际主流多媒体会议IEEE ICME和主流生物识别会议IJCB2021年度本地主席(Local Chair),是顶级国际多媒体会议2020年度ACM MM的领域主席(AC),在多个国际顶级人工智能会议包括CVPR, ECCV, AAAI, IJCAI, NeuIPS, ICML, ICLR, KDD担任委员会成员(PCSPC)和是多个主流杂志包括IEEE TNNLS/TMM/TCSVT, PR, IS等的审稿人。目前,主持的项目有四项,包括国家自然科学基金面上项目1项,中科院国家空间中心外协项目1项和科技创新特区项目2项。

 

报告摘要:

近些年,基于卷积神经网络的深度模型在视觉领域的各项任务中取得了巨大进展。随着模型的深度变得越来越深,其性能在ImageNet数据集TOP5错误率降到了2.25%附近,远远好于人眼的5.1%辨识错误率。然而,最近的研究也清晰表明,即使是得到充分训练的深度神经网络模型也很容易被对抗攻击算法攻破,这就为这些算法在真实场景中的应用提出了巨大的安全性挑战。因此,如何有效增强深度模型的鲁棒性吸引了研究者极大兴趣。

本次报告将首先介绍面向深度学习模型的鲁棒性研究背景,以及两种基本的鲁棒性衡量标准。在此基础上,将介绍我们在视觉跟踪算法上两种最新攻击算法。最后简要介绍我们最近研究的一种提高鲁棒性的多源邻界转移增强方法。

 

欢迎教师和研究生踊跃参加

 

上一条:2021年自动化学院报考博士研究生通过学院资格初审名单公示 下一条:2021年自动化学院招收硕士研究生资格名单公示

关闭