报告简介:
图是描述/建模非规则数据的一种重要且通用的工具。随着深度学习的出现与进步,面向图的深度学习理论与技术正成为当前研究热点。本报告首先介绍目前图神经网络的最新进展,包括代表性的谱图滤波以及空间图卷积等若干方法;然后从两个方面汇报我们最近开展的一些探索性工作:1)图卷积滤波方面,包括基于贝叶斯理论、张量理论的(多)图表示学习方法等;2)视觉图建模方面:包括从底层到高层视觉的图模型设计与学习方法。
报告人简介:
崔振,南京理工大学教授、博导。研究方向为计算机视觉和模式识别,目前研究聚焦于图神经网络及其视觉计算研究。在IEEE汇刊(T-PAMI/T-NNLS/T-IP等)和CCF A类会议(CVPR/NIPS等)发表论文40余篇。入选国家人才项目、获中国科学院优秀博士论文、国内外重大/重要赛事冠亚军各2项等;承担江苏省杰出青年基金、国家自然科学基金等多项项目。