计算机科学与技术学院计算机应用研究中心宣   2019年12月21日，应计算机科学与技术学院院长王轩教授的邀请，牛津大学博士后韩锴老师为我院师生做了题为《Learning to Discover Novel Visual Categories via Deep Learning》的报告。

漆舒汉老师介绍韩锴老师

韩锴老师主要从四个问题介绍了其团队在计算机视觉方面的最新进展。韩老师首先介绍了如何从无标签数据中发掘新类别的方法，虽然这些图像是未标记的，但我们也假设相关但不同的图像类的先验知识。利用这些先验知识减少聚类的模糊性，提高新发现类的质量。然后介绍了如何通过半监督方式提升目前深度学习算法的效果以及如何在完全无监督的情况下进行图像物体的检测，在无监督的情况下发现和匹配集合中图像中的对象类别。最后韩老师介绍了如何在保证物体透明下进行抠图的方法，现有的方法通常需要繁琐的捕获过程和较长的处理时间，而韩老师的方法将透明物体消光描述成一个折射流估计问题，提升了抠图的实际使用体验。在讲座过程中，韩锴老师也对同学们的问题进行了详细的解答，并分享了在我校求学过程中的诸多趣事。

韩锴老师讲座现场1

韩锴老师讲座现场2

韩锴老师与我校渊源颇深，其于2014年从我校硕士毕业，之后赴香港大学获得博士学位，目前在牛津大学 Visual Geometry Group(VGG)组进行博士后研究工作，师从 Prof. Andrew Zisserman 和 Prof. Andera Vedaldi。他的研究方向是计算机视觉和深度学习，目前主要研究 object discovery, semantic matching, 3D reconstruction, image matting等，他已经在计算机顶级期刊、会议上发票论文10余篇，包括 CVPR、ICCV、ECCV、IJCV，同时也担任这些期刊、会议的审稿人，曾获得 CVPR 2018的 Outstanding Reviewer award。