20181226-38 魏秀参：Fine-Grained Image Analysis and Beyond

报告嘉宾：魏秀参（旷视科技）

报告时间：2018年12月26日（星期三）晚上20:00（北京时间）

报告题目：Fine-Grained Image Analysis and Beyond

主持人：张利军（南京大学）

报告人简介：

魏秀参，旷视科技Face++南京研究院负责人，VALSE执行AC。南京大学LAMDA研究所博士，主要研究领域为计算机视觉和机器学习。在相关领域权威国际期刊和会议发表十余篇学术论文，主要包括IEEE TIP、IEEE TNNLS、Machine Learning Journal、IEEE TAC、ICCV、IJCAI、ICDM、ACCV等，并两次获得国际计算机视觉相关竞赛冠、亚军。著有《解析深度学习——卷积神经网络原理与视觉实践》一书。曾获CVPR 2017最佳审稿人、南京大学博士生校长特别奖学金等荣誉，担任ICCV、CVPR、ECCV、NIPS、IJCAI、AAAI等国际会议PC member。

个人主页：

http://lamda.nju.edu.cn/weixs/ 

报告摘要：

在传统计算机视觉研究中，图像分析通常是针对诸如“狗”、“车”和“鸟”等传统意义类别上的分类、检索等。而在许多实际应用中，图像对象往往来自某一传统类别下较细粒度级别的不同子类类别，如不同种类的“狗”：“哈士奇”、“阿拉斯加”、“比熊”；或不同种类的“车”：“奥迪”、“宝马”、“奔驰” 等。细粒度级别图像分析是针对此类问题的一个计算机视觉领域研究方向，且是计算机视觉领域的热门研究课题，其目标是对上述细粒度级别图像中的物体子类进行定位、识别及检索等视觉分析任务的研究，具有真实场景下广泛的应用价值。然而因细粒度级别子类别间较小的类间差异和较大的类内差异，使其区别于传统图像分析问题成为更具挑战的研究课题。本次分享将围绕两大基础任务（识别和检索）介绍细粒度级别图像分析领域最新发展现状，并简要介绍该领域未来发展趋势和研究热点。

参考文献：

[1] X.-S.Wei, J.-H.Luo, J.Wu, Z.-H. Zhou., Selective Convolutional Descriptor Aggregation for Fine-Grained  Image Retrieval. IEEE Transactions on Image Processing (TIP), 2017, 26(6): 2868-2881.
[2] X.-S.Wei, C.-L. Zhang, Y.Li, C.-W.Xie, J.Wu, C.Shen, Z.-H.Zhou, Deep Descriptor Transforming for Image Co-Localization. In Proceedings of International Joint Conference on Artificial Intelligence (IJCAI’17), Melbourne, Australia, 2017, pp. 3048-3054.
[3] X.-S.Wei, C.-W.Xie, J.Wu, C.Shen, Mask-CNN: Localizing Parts and Selecting Descriptors for Fine-Grained Bird Species Categorization. Pattern Recognition, 2018, 76:704-714.
[4] X.-S.Wei, C.-L.Zhang, L.Liu, C.Shen, J.Wu, Coarse-to-Fine: A RNN-based Hierarchical Attention Model for Vehicle Re-Identification. In Proceedings of Asian Conference on Computer Vision (ACCV’18), Perth, Australia, 2018, in press.
[5] X.-S.Wei,  P.Wang,  L.Liu,  C.Shen, J.Wu, Piecewise Classifier Mappings: Learning Fine-Grained Learners for Novel Categories with Few Examples. arXiv preprint, arXiv: 1805.04288, 2018.
[6] Y.Zhang, X.-S.Wei, J.Wu, J.Cai, J.Lu, V.-A.Nguyen, M.N. Do, Weakly Supervised Fine-Grained Categorization with Part-Based Image Representation. IEEE Transactions on Image Processing (TIP), 2016, 25(4): 1713-1725.

18-38期VALSE在线学术报告参与方式：

长按或扫描下方二维码，关注“VALSE”微信公众号（valse_wechat），后台回复“38期”，获取直播地址。

特别鸣谢本次Webinar主要组织者：

VOOC责任委员：张利军（南京大学）

活动参与方式：

1、VALSE Webinar活动依托在线直播平台进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；

2、为参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ群（目前A、B、C、D、E、F、G群已满，除讲者等嘉宾外，只能申请加入VALSE H群，群号：701662399）；

*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。

3、在活动开始前5分钟左右，讲者会开启直播，听众点击直播链接即可参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备；

4、活动过程中，请不要说无关话语，以免影响活动正常进行；

5、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；

6、建议务必在速度较快的网络上参加活动，优先采用有线网络连接；

7、VALSE微信公众号会在每周四发布下一周Webinar报告的通知及直播链接。

8、Webinar报告的PPT（经讲者允许后），会在VALSE官网（http://valser.org/）每期报告通知的最下方更新[slides]。

9、Webinar报告的视频（经讲者允许后），会更新在VALSE爱奇艺空间，请在爱奇艺关注Valse Webinar进行观看。

[slides]