广州数学大讲坛第四期
第三十六讲——西安电子科技大学袁笛副教授学术报告
题目：面向大规模无标注数据的目标跟踪
时间：2024年6月11日（星期二）下午14：30-16：30
地点：理学实验楼312
报告人：袁笛 副教授
摘要：近年来卷积神经网络（CNN）已经被成功应用于单目标跟踪任务。通常，训练一个深度CNN模型需要大量的标记训练样本，这些样本的数量和质量直接影响训练模型的表示能力。然而，在实际应用中，这种方法具有一定的限制，因为手动标注如此大量的训练样本耗时且成本高昂。因此我们尝试从自监督学习和主动学习角度入手，希望能够在保证模型性能的前提下，尽可能减少对标注样本的需求。首先，提出一种基于自监督学习的目标跟踪方法，通过自监督学习的方式生成无标注数据的伪标签用于模型的训练，基于跟踪 器的前后向跟踪一致性，采用一种多周期一致性损失从相邻视频帧中学习特征提取网络。其次，提出一种基于主动学习的目标跟踪方法，通过选择和注释未标注样本来训练深度CNN模型。在主动学习的指导下，基于训练的深度CNN模型的跟踪 器能够在降低标注成本的同时实现竞争性的跟踪性能。
报告人简介：
袁笛，现任西安电子科技大学广州研究院副教授，硕士生导师，IEEE、ACM、CCF、CAAI、CSIG会员，石光明教授广州研究院团队成员。2019年9月至2021年3月在澳大利亚莫纳什大学 (Monash University) 进行博士联合培养 (合作导师：Prof. Xiaojun Chang)，2021年11月在哈尔滨工业大学（深圳）计算机科学与技术学院获得工学博士学位（导师：何震宇教授）。目前主要研究方向为计算机视觉、图像处理、目标跟踪。主持国家自然科学基金青年项目、博士后科学基金（特别资助、面上资助）项目、广东省基础与应用基础研究基金自然科学基金面上项目、中央高校基本科研业务费专项资金项目、广州市基础研究计划基础与应用基础研究项目、智能光电教育部重点实验室开放课题项目；参与国家重点研发计划青年科学家项目、国家自然基金面上、广东省自然科学基金面上、深圳市学科布局、深圳市基础研究等项目。累计发表学术论文30余篇，其中一作论文20余篇，ESI高被引论文6篇，热点论文2篇。同时担任 IEEE TPAMI、TIP、TCSVT、TCYB、TNNLS、TGRS、TIV、TMM、TITS、TFS、TAI、THMS、TII、TETCI、IoT-J、ACM TOMM、AAAI、ICONIP等近百种期刊或会议的审稿人。
