报告名称：基于生成对抗神经网络的图像识别
报告时间：10月14日（周四）14:30-16:30
报告地点：四办405
报告内容简介
随着计算机技术的迅猛发展，生活中产生了海量的图像数据，对这些数据进行合理的分类，不仅为数据查询提供了方便，还能够提高挖掘有效信息的效率。因此，基于计算机视觉的图像识别技术成为了研究热点，各种图像识别的方法相继提出，在各个领域得到了广泛的应用，目前的图像识别技术主要有传统图像识别技术和深度学习图像识别技术。传统的图像识别技术首先需要人为的设计图像特征，再进行特征提取，进一步进行特征选择，然后进行识别。因此，传统的方法存在提取特征不全面的问题。深度卷积网络可以根据分类任务自适应地提取到局部和全局的图像特征，有很好的识别性能，逐渐取代了传统的方法。但是，基于深度卷积网络的图像识别方法需要大量的数据进行训练，当训练样本较少时，会导致图像识别效果的降低。因此，在保证模型训练效率，提高图像识别准确率的同时，减小训练样本量对图像识别方法的影响是一个值得深入研究的问题。此次报告对此展开了讨论，在条件生成对抗网络和深度卷积生成对抗网络的基础上，结合Focal Loss损失函数建立了基于Focal Loss条件深度卷积生成对抗网络的在线图像识别模型，名为F-CDCGAN模型。实验结果表明本文提出的F-CDCGAN模型与传统的图像识别方法以及CNN识别方法相比，性能有所提高。
报告人简介：王倩影，女，汉族，ug环球官网入口数统学院副教授，硕士生导师，中山大学信息计算专业博士，研究方向为机器学习，数据挖掘，深度学习；目前主持完成国家自然科学基金青年项目1项，主持完成河北省教育厅青年项目1项，主持完成ug环球官网入口青年项目1项，主持在研河北省教育厅重点项目1项；主持在研ug环球官网入口一般项目1项；已经以第一作者发表的论文被SCI、EI索引 9篇，其中SCI二区论文1篇，发表中文核心论文1篇，以通讯作者发表二区论文1篇，以第二作者发表一区论文1篇，作为主编出版1本专著《基于半监督假设的半监督度量学习研究》，1本教材《概率统计模型与优化》。2018年入选ug环球官网入口青年英才计划，同年入选河北省三三三人才工程第三层次人才。多次指导学生参加省级国家级比赛获奖。
