报告时间：2024年10月18日 周五上午 9：30
报告地点：纽约国际967线路测试四牌楼校区中心楼二楼中庭
组织单位：纽约国际967线路测试 纽约国际967线路测试
报告主题：具有泛化能力的认知视觉感知技术及其应用
报告人简介：
于元隆，教授，博士生导师，闽江学者特聘教授。福州大学对外合作处处长。中国指挥与控制学会理事，中国人工智能学会认知系统与信息处理专委会副主任，福建省人工智能学会副理事长。长期从事机器学习、计算机视觉、认知机器人等方向的研究，先后主持国家自然科学基金项目4项、国防预研项目2项、省产学合作项目1项、企业横向项目多项。目前已在国际期刊和会议发表SCI\EI论文80余篇，其中，CCF A类国际期刊会议论文10余篇。在认知视觉感知方面的研究成果成功应用于服务机器人、智慧电力等行业。2017年获得中国指挥与控制学会“CICC创新奖”二等奖，2019年和2021年分别获得福建省科技进步奖二等奖，2022年获得福建省教学成果奖特等奖。主讲的《模式识别》课程获得第二批国家级线上线下混合式一流课程。
报告摘要：深度学习技术的进步推动了计算机视觉领域的快速发展。但是，如何让计算机视觉算法能够适应动态非特定的任务场景仍然具有挑战性。关键原因在于基于深度学习的计算机视觉技术是大数据驱动，缺乏自适应能力和泛化学习能力。相反，人类大脑包含的注意力、记忆、学习等认知机制可以应对复杂动态非特定环境。因此，运用认知科学原理，实现具备认知能力和自主成长能力的计算机视觉机制是解决问题的途径之一。本报告首先介绍我们基于认知机制提出的认知视觉计算模型，包含自顶而下注意力网络和自底而上注意力网络；然后介绍该计算模型的域泛化学习算法；最后介绍该计算模型在服务机器人、电力等场景的应用。
