主 题：异质媒体信息跨域传播与网络图像标签改善
内容简介： 随着当前机器学习特别是深度学习的时代热潮的到来，亟需海量标签数据的呼喊已经成为人工智能学科下各研究学者的共同发声。因此，本报告分别从数据形态与数据源两处入手，通过异质媒体信息跨域传播与网络图像标签改善两种解决方案来为各种学习任务提供丰富的带标签数据。具体地，一方面，提出了一种广义的深度迁移网络来将从异构数据（如文本）中的语义知识迁移到没有标签的目标数据（如图像）中，并将其应用到图像分类问题中。另一方面，提出了一种基于类裂变张量重构的社交图像标签质量改善方法来对社交网站上带有噪声与不完整标签的图像进行改善其标签质量，并在相关实验中检验了这些图像数据中改善后的标签质量。
报告人：唐金辉 教授 青年
时 间：2016-12-09 15:00
地 点：致明楼诚信厅
举办单位：工学院 科研部
