报告题目：图像的像素级语义理解

演讲摘要：

近年来，基于深度学习的图像视频分析技术取得了巨大成功。相比于传统的物体分类识别技术，图像的像素级语义理解，又称语义分割，能提供更加丰富的像素级信息, 因而成为一个新的研究热点。本报告以语义分割的三个典型实例，即场景解析，人脸解析以及人像解析为切入点，重点介绍我们针对语义分割的以下两个挑战做出的工作。1：减少人工标注工作量：在很多实用场景中，图像尺寸大且标签种类繁多，纯人工逐像素标注非常昂贵且低效。我们提出一系列在不降低算法精度的前提下，极大减少人工标注成量的无监督、半监督、弱监督语义分割算法。2：提升分割精度: 通过综合考虑上下文信息，如语义标签之间的共生性和互斥性，不同信息源的互补性，极大地改进了分割精度。最后，我们也将展示语义分割在智能相机、视频监控、智能家居、电商平台搜索等多个领域的应用效果。

讲者简介：

刘偲现为中国科学院信息工程研究所网络空间技术实验室副研究员。2012年于中科院自动化所获得博士学位，2009~2014年于新加坡国立大学任研究助理及博士后。其研究领域包括计算机视觉和多媒体分析。

刘偲以图像视频中的人物分析为切入点，开展图像视频理解研究并形成了较为完整的体系。共发表了CCF A类论文30余篇,包括PAMI, IJCV,CVPR,ICCV,ACM MM等。获得ACM MM 2012的最佳技术演示奖，ACM MM 2013的最佳论文奖, 2016 CCF大数据与计算智能大赛综合特等奖，CVPR 2017 Look Into Person Challenge冠军。微软亚洲研究院铸星计划研究员，CCF-腾讯犀牛鸟科研基金获得者。Google Scholar引用2200+次。中国图像图形学学会视觉大数据专委会常委，VALSE在线组委会委员。