时间：2022-11-29 16:00
地点：腾讯会议 229-831-755
主讲人：周雷
报告摘要:
图像语义分割的目的是为图像中的每个像素点分配相应的像素级语义标注(pixel-level semantic annotations)，从而实现对图像的结构信息进行提取和语义信息的标注。设计高性能的语义分割算法，一般需要针对特定的任务准备大量精细的、对所需分割类别进行完全标注的样本，然后设计分割网络并进行有监督训练。标注大量数据显然是一项耗时和费力的工作，作为对完全标注样本的拓展，现阶段出现大量基于非完全标注样本的弱监督语义分割方法被提出。本次报告将介绍课题组近些年在弱监督语义分割方面的研究工作，包括基于高质量样本选择和基于prototype learning的弱监督语义分割框架。首先介绍课题组提出的基于高质量样本选择的弱监督语义分割算法，该算法通过对生成样本的质量进行评价，从而选择出更接近真实标注的样本进行分割网络的训练。其次将介绍课题组在prototype learning与语义分割相结合方面的相关工作，设计高效的方法计算出prototypes以对图像共同的语义模式信息进行表示，然后利用prototypes来提升弱监督语义分割性能。最后将介绍如何利用弱监督语义分割的思想，来提升钢材表面缺陷检测的性能。
报告人简介：
周雷，上海理工大学健康科学与工程学院副教授、硕导、上海理工大学志远学者。2014年博士毕业于上海交通大学电子信息与电气工程学院自动系，2020 -2021在上海科技大学生物医学工程学院沈定刚教授IDEA LAB进行访学工作。主要研究方向包括医学影像分析、弱监督语义分割、和基于深度学习的图像/视频压缩等。作为项目负责人承担了国家自然科学基金青年基金项目1项，参与国家/地方基金项目3项，与企业/医院合作项目10余项。已发表相关领域的SCI和国际会议论文20余篇，曾连续三年带领团队获得顶级学术会议CVPR举办的CLIC图像视频压缩挑战赛，累计获得7项冠军。大部分论文发表于人工智能领域国际顶级期刊或会议，包括Pattern Recognition 、Transaction on Multimedia、Neurocomputing、Pattern Recognition Letter, CVPR、ICIP、ICASSP等。
