报告时间：2023年7月18日（周二）15：00 – 17：00
报告地点：计算机与大数据学院2-311会议室
报告题目：基于PolarMask的增强式单次实例分割方法
报告简介：PolarMask是一种基于极坐标表示的高效影像检测和分割技术。该方法采用无锚框设计和同时进行检测和分割的单级框架，且不依赖于边界框的预测，同时将问题转化为通过实例中心分类和极坐标中的密集距离回归来预测实例轮廓，特别是对于近似于凸多边形的对象具有相当优异的表现，同时具有计算开销低的优点。我们针对PolarMask提出了一种增强式的检测模型，该模型使用多个辅助点来获得更多的物件的轮廓点，这将使回归层更加有效，仿真实验证明，该方法在COCO数据集的AP中得分较PolarMask高。
报告人介绍：林政宽，副教授，于2000年获得中国文化大学应用数学学士学位;2002年获得中央大学数学系硕士，2011年交通大学资讯工程系博士，2014年加入苏州大学计算机科学与技术学院，担任副教授。2018年12月加入福州大学数学与计算机科学学院，担任教授。目前就职于阳明交通大学资讯工程学系。在国内外知名期刊和会议上发表论文170余篇，并获得多项发明专利。2022年被WOS收录高被引论文一篇。目前研究兴趣包括算法设计与分析、图论、深度学习。
