基于卷积神经网络的深度学习方法已经成为计算机视觉领域的主流和热点方法,使计算机在目标识别、图像分类、图像语义分割等任务中获得了巨大的性能提升。通过输入端直接接受图像,输出端直接引入任务相关的损失函数,实现了端到端的优化,避免了传统图像特征提取时的量化损失。
俞雷首先介绍了典型的深度学习框架,如:AlexNet、BP神经网络、GoogleLeNet、faster R-CNN、YOLO等,对其网络结构、特点、评价指标等进行了详细介绍,并集中回顾图像语义分割中常用的算法,如FCN、mask R-CNN等。接着,介绍了其实验室在深度学习与图像语义识别分析方面的工作。最后,参会人员就本次学术报告所产生的疑问和平日里研究深度学习、语义分析的心得同俞雷进行深入探讨,并针对新技术的发展应用进行了思想碰撞和热烈讨论。
本次学术交流为各相关领域的科研人员提供了一个沟通与交流的平台,加强对外交流合作,并为相关工程研究和前沿理论之间建立了纽带。
