计算机软件新技术国家重点实验室

摘 要：

深度度量学习通过将深度学习的特征表示能力与度量学习的相似性刻画能力相结合，以端对端的方式实现从原始输入到语义输出的感知，在多个视觉任务中均取得了重要进展。报告将介绍清华大学自动化系智能视觉实验室近年来提出的面向视觉内容理解的多个深度度量学习方法，主要包括小样本深度度量学习、多视图深度度量学习、对抗性深度度量学习、和非均衡深度度量学习等，以及它们在人脸与物体识别、行人跟踪与再识别、图像与视频检索等多个视觉内容理解任务中的应用。

报告人简介:

鲁继文，清华大学自动化系副教授、博士生导师，中组部青年千人计划入选者，国家优秀青年基金获得者。主要研究领域为计算机视觉与模式识别，发表PAMI/IJCV/CVPR/ICCV/ECCV论文70篇，论文被引用9000余次，2篇论文获IEEE国际会议最佳论文奖。主持科技部重点研发计划课题、国家自然科学基金联合重点基金等科研项目10余项。担任国际期刊Pattern Recognition Letters主编，T-IP、T-CSVT、T-BIOM和PR编委，国际会议ICME 2020、AVSS 2020和DICTA 2019程序委员会主席，CVPR 2020、ICIP 2017-2019、ICME 2017-2019和ICPR2018等会议领域主席20多次，中国计算机学会计算机视觉专委会常务委员，中国人工智能学会模式识别专委会常务委员、中国图象图形学学会视觉大数据专委会常务委员。

地点：计算机科学技术楼230室