报告时间：3月22下午14点

报告题目1：图像压缩感知重建的深度学习算法研究

报告人1： 杨莹

报告题目2：基于深度学习的沙漠遥感图像识别

报告人2： 王乐萱

点评嘉宾：徐军教授

主持人：唐翠梅老师

报告地点：学科楼3号楼S410会议室

内容简介：

       《图像压缩感知重建的深度学习算法研究》：压缩感知是一种新颖的信号获取理论，融合了传统的采样与压缩过程，能够直接获取远低于奈奎斯特采样率的测量数据，可降低采样成本、减少存储资源。重建算法是压缩感知研究领域一直重点关注的课题。经典的压缩感知重建算法依赖图像在某种变换域具有稀疏性，通过求解对应的优化问题来进行图像的重建，但其在低采样率下，重建质量低下。深度网络具有优异的学习能力，能够有效表达从低维测量到原始高维图像的重建映射。因此，可以通过多种类型的压缩感知重建网络，利用不同的网络优势来提高高光谱图像、自然图像及视频的重建质量。

       《基于深度学习的沙漠遥感图像识别》：由于沙漠环境、地形、光照等的不确定性，导致沙漠地区在遥感图像上的地形地貌特征易发生改变，因此对沙漠地区图像进行准确识别是一项具有挑战性的工作。本工作提出一种基于注意力机制的多尺度残差分类网络，通过多尺度残差模块提取图像特征、注意力机制建立特征通道之间的依赖关系，使其自适应地重新校准通道的特征响应。该分类网络一定程度上提高了沙漠遥感图像的分类效果，但采用移动窗口识别的分类方法存在识别边界不清晰，计算耗时等问题。进而本工作提出一种基于自适应损失平衡的多分支分割网络模型。该模型首先采用轻量级主干网络快速提取沙漠图像特征，然后采用多尺度多分支融合模块渐进融合多尺度特征，最后通过多层次解码模块输识别结果。该方法将每条分支损失视为独立的优化任务，利用自适应平衡损失函数计算每条分支损失变化的程度进而评估各分支的优化难度，通过调整平衡参数，优先训练优化空间大的任务，从而提高模型收敛速度以及识别准确率。

报告人简介：

       杨莹，自动化学院2018级控制科学与工程专业研究生，研究方向：深度学习，图像压缩感知重建。主要成果：2019年“华为杯”数学建模全国三等奖，SCI论文已发表一篇，在投SCI两篇。

       王乐萱，自动化学院2018级控制工程专业研究生，研究方向：计算机视觉。主要成果：“华为杯”第十六届中国研究生数学建模竞赛国家二等奖，曾荣获2020年度国家奖学金，目前在SCI期刊发表论文一篇，在投论文一篇。

       欢迎广大师生踊跃参加！

自动化学院

2021年3月15日