计算机学科前沿论坛之九
报告题目：从多样性和近邻性的视角探讨视觉信息的稳健表示
报告人：钱建军
报告时间：2023年11月12日下午3:40
地点：图书馆报告厅
报告摘要：近年来，如何设计有效的损失约束进而引导深度神经网络学习稳健的鉴别特征吸引了众多学者的关注。本报告以Softmax为例从几何的视角分析了其工作机理，并从模式样本多样性和近邻性的视角探讨了基于Softmax损失约束的系列方法，发现增强类内样本近邻性的同时保持类内样本的多样性更有利于引导神经网络学习鉴别特征。然而，近邻性和多样性二者之间往往又是此消彼长。针对这一问题，介绍如何约束深度神经网络，使其能够有效获取鉴别特征。
报告人简介：钱建军，南京理工大学计算机科学与工程学院副教授，博士生导师，国家级青年人才项目入选者。研究方向为模式识别与视觉感知。相关研究成果发表在IEEE Trans. on Pattern Analysis and Machine Intelligence (PAMI), IEEE Trans. on Image Processing (TIP), IEEE Trans. on Neural Networks and Learning Systems (TNNLS), International Journal of Computer Vision (IJCV)、CVPR/ICCV/AAAI/IJCAI等国际权威刊物和知名国际会议80余篇。先后主持国家自然科学基金项目3项、企业课题多项，参与重点项目、军委科技委预研项目多项。荣获江苏省科学技术奖一等奖2项，甘肃省科技进步二等奖1项。2018年入选“香江学者计划”；2020年获评南京理工大学优秀研究生指导教师；2021年入选江苏省“青蓝工程”优秀青年骨干教师；指导研究生的学位论文被评为2020年江苏省优秀专业硕士学位论文。此外，担任Neural Processing Letter和The Computer Journal的客座编辑以及多个高质量学术期刊和顶级会议的审稿人。
