報告簡介:
在許多計算機視覺的任務中,大家通常認為:使用更多的圖像或視頻能獲得更高的識别準确率。而且,近年來的研究進展表明, 加性核(additive kernel)在許多圖像分類的問題中獲得了很高的準确率,例如在最近發表的論文和公開的競賽中(如ImageNet: Large Scale Visual Recognition Challenge)。我将介紹PmSVM (Power Mean SVM),一個加性核SVM分類器。将介紹一個新的核函數系列:power mean kernel,以及其快速算法。在實踐中,PmSVM比其他的加性核SVM分類器快2倍, 并取得更高的分類精度。
報告人簡介:
吳建鑫,南京大學計算機科學與技術系教授,博士生導師。 主要從事計算機視覺和機器學習等領域的研究工作。在重要國際期刊如 TPAMI,IJCV,AIJ,JMLR,TIP 等以及重要國際會議如 ICCV、CVPR、ICML、NIPS、IJCAI、INFOCOM、ICRA 等發表論文四十餘篇。曾擔任國際會議 ACCV、ACML、PSIVT、PCM 等的會議組織委員會成員和領域主席,在 ICCV workshop 應邀做報告,并多次擔任 IJCAI、ICCV、CVPR、TPAMI、IJCV、TIP 等的資深程序會、程序委員會成員、或期刊審稿人。曾獲得教育部自然科學一等獎(2005 年度,第五完成人)。據 Google Scholar 統計,發表的論文被30餘個國家和地區的學者他引2800餘次。