【学术讲座】带几何与变分先验的深度学习图像分割

发布者:统计与数据科学学院发布时间:2022-05-18浏览次数:58

    专家简介:刘 君,北京师范大学副教授,博士生导师。曾受邀访问过美国UCLA、新加坡南洋理工、香港科技大学、香港浸会大学等高校。主要研究方向为变分法及深度学习相关的图像处理算法与应用。一些研究结果发表在图像处理与计算机视觉相关领域国际知名期刊如Int. J. Comput. Vis., IEEE T. Image. Process.,  IEEE T. Geosci. Remote, Pattern Recogn.,  SIAM J. Imaging Sci., J. Sci. Comput., J. Math. Imaging Vis. 等。研究成果曾获教育部高等学校优秀科研成果二等奖(团体), 北京市科技进步二等奖(团体)。主持参与多项国家科研项目。


    报告摘要:卷积神经网络能有效地的从自然图像里提取特征,但是在已有的卷积网络分割方法中,用于分类的函数往往比较简单,缺乏保持某些重要空间先验的能力,如空间正则,体积约束,形状,拓扑先验等,从而导致分割的结果不理想。我们提出一种基于阈值动力学的方法,它能够灵活地把许多变分先验例如局部与非局部正则,星型/凸形状先验,拓扑先验等结合进基于深度卷积网络的分割方法。该方法的核心在于将网络中的非线性激活函数转化为一个变分问题,进而可对该问题进行几何及形状约束。而迭代求解这个带约束的变分问题可以展开成若干子网络层,从而保证分割卷积网络的输出具有某些特定的图像分割基本性质。实验结果验证了该方法是有效的。


    腾讯会议号:967-392-202

    时 间:5月18日上午 10:00-11:00