报告题目：样本有限条件下的红外图像目标检测
报 告 人：张�：�（北京理工大学，副研究员，硕士生导师）
报告时间：2022年5月7日（星期六）上午10:00
报告地点：腾讯会议（192 488 819）
主办单位：科技处，研究生处，计算机与信息学院
张�：�：北京理工大学机电学院，副研究员，硕士生导师。获北京理工大学和悉尼科技大学双博士学位，长期从事多模态图像处理与深度学习理论研究，在人工智能及图像处理等领域发表SCI/EI论文 28 篇，授权发明专利 1项，编著1部，以第一负责人身份获国家级/省市级创业大赛奖励3项，主持/参与国家自然基金、总装预研基金、装备发展部快速扶持基金和中国博士后面上基金等项目多项。
报告内容简介：复杂背景下红外图像中的目标检测与关键点定位技术已被广泛应用在红外精确制导、智能监控和无人驾驶车辆等多种军事和民用领域，具有重要的理论研究意义和 实用价值。近年来，深度学习凭借其在提高特征提取效率和挖掘数据隐藏表示方面的独特优势，在图像处理领域已经超越了基于人工设计特征的传统模式识别方法，为实现自动目标检测提供了可靠途径。然而，深度学习是一个由数据驱动的算法，训练数据的数量和质量直接关系到深度学习模型的泛化能力，而收集大量的红外图像数据集往往耗费较长时间和较多经费，甚至有些特定环境下的目标图像无法获得。如何解决深度学习对大量数据的需求和红外图像的数据不足之间的矛盾，是将深度学习成功引入红外目标检测研究的关键。此外，红外图像具有分辨率低、对比度低、信噪比低、视觉效果�：�、灰度分布与目标反射特征线性无关、无丰富的颜色信息等特点，给目标检测和关键点定位任务带来了极大的挑战。
届时欢迎广大师生积极参会、交流！
