报告简介:
在许多计算机视觉的任务中,大家通常认为:使用更多的图像或视频能获得更高的识别准确率。而且,近年来的研究进展表明, 加性核(additive kernel)在许多图像分类的问题中获得了很高的准确率,例如在最近发表的论文和公开的竞赛中(如ImageNet: Large Scale Visual Recognition Challenge)。我将介绍PmSVM (Power Mean SVM),一个加性核SVM分类器。将介绍一个新的核函数系列:power mean kernel,以及其快速算法。在实践中,PmSVM比其他的加性核SVM分类器快2倍, 并取得更高的分类精度。
报告人简介:
吴建鑫,南京大学计算机科学与技术系教授,博士生导师。 主要从事计算机视觉和机器学习等领域的研究工作。在重要国际期刊如 TPAMI,IJCV,AIJ,JMLR,TIP 等以及重要国际会议如 ICCV、CVPR、ICML、NIPS、IJCAI、INFOCOM、ICRA 等发表论文四十余篇。曾担任国际会议 ACCV、ACML、PSIVT、PCM 等的会议组织委员会成员和领域主席,在 ICCV workshop 应邀做报告,并多次担任 IJCAI、ICCV、CVPR、TPAMI、IJCV、TIP 等的资深程序会、程序委员会成员、或期刊审稿人。曾获得教育部自然科学一等奖(2005 年度,第五完成人)。据 Google Scholar 统计,发表的论文被30余个国家和地区的学者他引2800余次。