报名 | 二值化网络 & 基于素描图的图像检索论坛

2018 年 11 月 1 日 数据派THU


【论坛主题】二值化网络 & 基于素描图的图像检索

【时间】2018年11月04日(周日)下午2:00 -- 4:00

【地点】中国科学院自动化研究所

【报名方式】扫描下方二维码进行报名



【论坛讲者】


杨朝晖,北京大学智能科学与技术专业在读博士,本科毕业于北京航空航天大学计算机学院,目前主要研究兴趣点在二值化网络,欢迎感兴趣的伙伴一起交流。




庞璐,北京大学信息工程学院在读硕士,本科毕业于北京大学信息科学技术学院,目前主要研究方向是基于素描图的图像检索,同时研究兴趣也在于强化学习,迁移学习和计算机视觉。目前已在CVPR和ACM Multimedia发表过文章。


【论坛内容简介】


1.杨朝晖部分:二值化网络是将网络的参数和激活值二值化,在不改变网络结构的条件下压缩网络并降低运算时间,本次报告主要介绍二值化网络的发展,包括BinaryConnect, BNN, XNORnet, DoReFa-Net等经典模型。


2.庞璐部分:Compared to text, the important characteristic of sketches lies with their ability of capturing object structure and appearance. Therefore, as a query modality, sketches are employed on many retrieval applications. With the rapid development of touch-screen devices, fine-grained sketch-based image retrieval(FG-SBIR) has become an increasingly research topic problem recently. Free-hand sketches are used in commercial search scenarios such as searching a specific shoe or chair. Besides, in forensic applications, there are no photo of the suspect for retrieving, which have motivated research on forensic facial sketches matching and sketch re-identification. Common characteristics of these problems lie with challenges, which is cross-domain and instance-level. This report provides a comprehensive introduction of established methods about grained sketch-based image retrieval. Moreover, I will discuss about recent developments on sketch re-identification.


【活动名额】


1. 为确保小范围深入交流,本次活动仅接受30位用户入场(不收取任何费用);

2. 活动采取审核制报名,我们将根据用户研究方向与当期主题的契合度进行筛选,通过审核的用户将收到确认邮件;

3. 如您无法按时到场参与活动,请于活动开始前 24 小时在AIDL微信公众号后台留言告知,留言格式为放弃报名 + 报名电话。无故缺席者,将不再享有后续活动的报名资格。


登录查看更多
1

相关内容

专知会员服务
31+阅读 · 2020年4月24日
专知会员服务
53+阅读 · 2020年3月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
基于素描图的细粒度图像检索【附PPT与视频资料】
人工智能前沿讲习班
12+阅读 · 2018年12月27日
SFFAI分享 | 杨朝晖:二值化网络
人工智能前沿讲习班
6+阅读 · 2018年11月22日
SFFAI10 报名通知 | 优化算法论坛
人工智能前沿讲习班
4+阅读 · 2018年11月19日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Neural Image Captioning
Arxiv
5+阅读 · 2019年7月2日
Arxiv
4+阅读 · 2019年4月17日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Image Captioning based on Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2020年4月24日
专知会员服务
53+阅读 · 2020年3月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关论文
Neural Image Captioning
Arxiv
5+阅读 · 2019年7月2日
Arxiv
4+阅读 · 2019年4月17日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Image Captioning based on Deep Reinforcement Learning
Arxiv
6+阅读 · 2018年1月14日
Top
微信扫码咨询专知VIP会员