IJCAI 2017提名最佳學生論文作者解讀

知識 10-12

分享背景

顯著性檢測是計算機視覺中長期存在的問題。現有的大部分研究都集中在探索用戶間普遍存在的顯著性模型，即缺乏對個體在性別、年齡、習慣上差異的重視。在這篇IJCAI文章中，作者首次提出了個人顯著性預測任務，並建立了首個個人顯著性資料庫，同時提出基於卷積神經網路的多任務個人顯著性預測模型（Multi-Task Convolutional Neural Network），實驗結果驗證了模型的良好的性能。

《Beyond Universal Saliency: Personalized Saliency Prediction with Multi-task CNN》

論文地址：https://pdfs.semanticscholar.org/aca8/c4a62ed6e590889f1e859d7bc79311fa6f4d.pdf

分享主題

BeyondUniversal Saliency: Personalized Saliency Prediction with Multi-task CNN

分享人簡介

徐衍鈺，上海科技大學信息學院三年級博士生，導師為高盛華教授。2011年本科畢業於大連理工大學。主要研究方向為計算機視覺，例如顯著性分析、人臉對齊等。

分享時間

北京時間10月13日（周五） 20:00

參與方式

掃描海報二維碼，點擊底部菜單

如果你覺得活動不錯，歡迎點贊並轉發本文~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！