报告时间：2024年10月31日（周四）15:00-17:00

报告地点： 计算机与大数据学院2号楼311会议室

报告题目：Deep-learning for Salient Object Detection(面向显著目标检测的深度学习)

报告简介：显着目标检测旨在模仿人类视觉系统和认知机制来识别和分割显着目标。然而，由于这些机制的复杂性，目前的方法并不完美。 准确性和鲁棒性需要进一步提高，特别是在具有多个对象和背景杂乱的复杂场景中。在本次报告中，提出了两种方法。第一种方法从单目 RGB 图像估计深度信息，并利用中间深度特征来增强深度神经网络框架中的显着性检测性能。尽管也提出了许多其他RGB-D显着性模型，但它们需要获取深度数据，而深度数据昂贵且不易获得。第二种方法采用边界敏感性、内容完整性、迭代细化和频率分解机制。多级混合损失旨在引导网络学习像素级、区域级和对象级特征。对具有挑战性的基准数据集的综合评估显示了所提出的方法所取得的最先进的结果。

 报告人介绍：何祥健教授是国家级人才，近年连续入选斯坦福大学和爱斯维尔数据库联合发布的 “全球前2%顶尖科学家”榜单，现任宁波诺丁汉大学理工学院（Faculty）研究团队负责人、计算机视觉与智能感知实验室主任。他负责和主持过多项澳大利亚国家ARC项目，包括一项国家青年重大科技项目（ARC-Discovery for early career researchers）、一项国家重大科技项目（ARC-Discovery）、两项国家重大联合创新科技项目（ARC-Linkage）。他还作为核心骨干参与中国自然科学基金5项、香港研究基金项目2项。他曾是香港工程师学会会刊国际顾问，是HCCIS、SNCS 等期刊的副主编，多个SCI期刊的编委和IEEE Transactions和Elsevier等期刊的客座编辑，是澳大利亚研究理事会国际评审专家。2011年至2022年，他担任悉尼科技大学计算机科学终身(Continuing)教授以及全球大数据技术中心计算机视觉和模式识别实验室主任。 他曾带领悉尼科技大学和香港理工大学联合研究项目的队伍（PolyUTS）获得了由IEEE信号处理学会颁发的2017年VIP杯亚军，以及2019年VIP杯冠军。他主要在计算机视觉、数据分析和机器学习领域进行研究和应用。 他在Journal of the Association for Information Science and Technology、ACM Computing Surveys、IEEE Transactions（如TPAMI、TII、TDSC、TNSE、TMC、TPDS、TMM、TC、TCSVT、TITS、TCC、TR、TCE 等）和Elsevier（如PR、SP、AC、IS、FGCS、Neurocomputing、CN、CSS、NCP等）的高端期刊上， 以及在AAAI、ACL、IJCAI、CVPR、ECCV、ACM MM、WACV等顶会上发表了包括ESI高被引的许多论文。他曾在 ACM MM、MMM、ICDAR、EEE BigDataService、IEEE TrustCom、IEEE CIT、IEEE AVSS、IEEE ICPR 和 IEEE ICARCV 等许多国际会议中担任各种主席。