基于多因子关系挖掘的表征学习

【题  目】基于多因子关系挖掘的表征学习

【报告人】刘洋

【时  间】2020年10月14日(周三)下午1:30

【地  点】王选计算机研究所106报告厅

Abstract:

作为多媒体数据分类,检索和推荐等任务的关键步骤,表征学习近年来获得了广泛的关注。由于多媒体数据的分布通常是由多个因子共同控制的,对于给定的目标任务,如何挖掘与之最相关的一个或多个因子并合理的表征它们是很有挑战性的任务。在这个报告中,我会主要分享如何有效挖掘多个因子之间的关系,充分利用多因子间的组合性,来提高计算机模型对指定任务的表达和泛化能力。具体来说,我会着重探讨三种多因子关系:独立因子关系、共享因子关系、互补因子关系。合理的运用这三种因子关系,我们可以在一系列应用场景中学习到更好的表征,进而提升指定任务性能,如文字媒体分析、多媒体图像与视频分析、人工智能在新媒体(新传感器)跨学科中的应用等。我们期待在未来继续探索与拓展其它多因子关系类型在表征学习中的应用。

Bio:

刘洋,现任牛津大学工程科学系VGG 小组的博士后研究员,合作导师为英国皇家科学院院士Prof. Andrew Zisserman教授。2018 年和2014年在剑桥大学计算机系获得博士和硕士学位。主要从事视觉感知和机器学习的相关研究。致力于用人工智能算法解决多媒体信息分析与智能融合的相关问题,如文字媒体分析,多媒体图像与视频智能分析人工智能在新媒体(新传感器)跨学科中的应用等。

CLOSE

上一篇 下一篇