20161130-39 王鹏：CNN和图模型在多视觉任务融合的应用

报告嘉宾2：王鹏（UCLA）

报告时间：2016年11月30日（星期三）上午11：00（北京时间）

报告题目：CNN和图模型在多视觉任务融合的应用

主持人：王兴刚（华中科技大学）

报告摘要：

近年来，统一的深度学习已经涵盖了计算机视觉的多种任务，如分割、检测和深度估计等等。然而多种信息之间并不是独立存在的，而是相互影响和协调的。深度学习提供了一个高效而统一的框架，为我们进一步融合信息提供了基础。而经典的图模型天然是用来对因素之间的影响和一致性建模，从而获得更鲁棒的信息表达。本次报告将介绍如何进一步融合信息，利用CNN和图模型提升物体分割和图像三维估计的效果。

参考文献：

[1] Peng Wang, Xiaohui Shen, Bryan Russel, Scott Cohen, Brian Price, Alan Yuille, SURGE: Surface Regularized Geometric Estimation from a Single Image, NIPS 2016

[2] Peng Wang, Alan Yuille, DOC: Deep OCclusion Recovering From A Single Image, ECCV 2016.

[3] Peng Wang, Xiaohui Shen, Zhe Lin, Scott Cohen, Brian Price, Alan Yuille, Joint Object and Part Segmentation using Deep Learned Potentials, ICCV 2015.

[4] Peng Wang, Xiaohui Shen, Zhe Lin, Scott Cohen, Brian Price, Alan Yuille, Towards Unified Depth and Semantic Prediction from a Single Image, CVPR 2015.

报告人简介：

王鹏，北京大学本硕,UCLA博士,师从Alan Yuille教授(UCLA视觉识别与机器学习主任，霍金之徒)。先后在微软Media Computing、Adobe Imagination Lab、百度IDL和谷歌Machine Perception实习，发表了CVPR、ICCV、ECCV等顶级论文10余篇，获得多项专利。研究兴趣为机器学习方法，深度学习和图模型，计算机视觉，多信息融合等。

特别鸣谢本次Webinar主要组织者：

VOOC责任委员：沈为（上海大学）

VODB协调理事：张兆翔（自动化所），郑海永（中国海洋大学）