• 极市直播丨南京理工大学魏秀参、沈阳:大规模细粒度图像检索


    | 极市线上分享 第102期 |

    一直以来,为让大家更好地了解学界业界优秀的论文和工作,极市已邀请了超过100位技术大咖嘉宾,并完成了101期极市线上直播分享。往期分享请前往:http://bbs.cvmart.net/topics/149,也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享,与大家一起交流学习~~

    细粒度图像检索旨在检索属于某个元类别的各种子类别的视觉对象,并返回与查询图像具有相同细粒度子类别的数据库中的图像。在实际应用中,由于细粒度数据的爆炸式增长,传统图像检索方式往往存在查询速度慢、存储冗余等问题。

    在这次分享中,我们邀请到了南京理工大学计算机科学与工程学院教授魏秀参老师、博士生沈阳,为我们介绍他们相关的工作:

    Fine-Grained Image Analysis with Deep Learning: A Survey. (TPAMI 2021)
    A2-Net: Learning Attribute-Aware Hash Codes for Large-Scale Fine-Grained Image Retrieval (NeurIPS 2021)
    SEMICON: A Learning-to-hash Solution for Large-scale Fine-grained Image Retrieval (ECCV 2022)

    本次报告将针对大规模细粒度图像检索任务和近年来的相关技术发展进行介绍。本次分享还将对ACCV2022国际细粒度图像分析挑战赛各赛道进行简要解析。

    01 直播信息

    时间:2022年9月15日(周四):20:00-21:00

    主题:大规模细粒度图像检索

    直播地址:http://live.bilibili.com/3344545

    02 嘉宾介绍

    006C3FgEgy1h6727teukrj30as0eq40r
    魏秀参

    南京理工大学计算机科学与工程学院教授、博士生导师。主要研究领域为计算机视觉和机器学习。个人主页:http://www.weixiushen.com/

    006C3FgEgy1h6728d3bg0j30aw0fawh5
    沈阳

    南京理工大学博士二年级生,师从魏秀参教授,主要研究方向为计算机视觉。在ECCV、NeurIPS、IJCAI等国际会议发表多篇论文。获首届“计图”人工智能挑战赛狗细分类赛道冠军,在CVPR、ICCV等举办的国际权威细粒度视觉评测中多次获冠亚季军。

    03 关于分享

    ➤论文

    1.Fine-Grained Image Analysis with Deep Learning: A Survey. (TPAMI 2021)

    论文地址:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9609630

    2.A2-Net: Learning Attribute-Aware Hash Codes for Large-Scale Fine-Grained Image Retrieval (NeurIPS 2021)

    论文地址:https://proceedings.neurips.cc/paper/2021/file/2d3acd3e240c61820625fff66a19938f-Paper.pdf

    3.SEMICON: A Learning-to-hash Solution for Large-scale Fine-grained Image Retrieval (ECCV 2022)

    论文地址:http://www.weixiushen.com/publication/eccv22_SEMICON.pdf

    代码地址:https://github.com/NJUST-VIPGroup/SEMICON

  • 相关阅读:
    Unity学习笔记--使用 VisualStudio 反编译 dll 代码查看源码
    sqli-labs(less-8)
    【python 】----Pytest基础知识与进阶知识
    ROS2 的行为树 — 第 1 部分:解锁高级机器人决策和控制
    React——关于react概述
    R语言入门
    Elasticsearch(二)- 索引-分片过滤器与延迟再分配
    MP简单的分页查询测试
    VIAVI唯亚威FI-10/-11 光纤识别仪
    ScaleFlux CSD 2000 在携程的应用实践
  • 原文地址:https://blog.csdn.net/Extremevision/article/details/126865599