IJCAI 2017提名最佳学生论文作者解读 | 学术青年分享会

分享背景

▼

显著性检测是计算机视觉中长期存在的问题。现有的大部分研究都集中在探索用户间普遍存在的显著性模型，即缺乏对个体在性别、年龄、习惯上差异的重视。在这篇IJCAI文章中，作者首次提出了个人显著性预测任务，并建立了首个个人显著性数据库，同时提出基于卷积神经网络的多任务个人显著性预测模型（Multi-Task Convolutional Neural Network），实验结果验证了模型的良好的性能。

《Beyond Universal Saliency: Personalized Saliency Prediction with Multi-task CNN》

论文地址：https://pdfs.semanticscholar.org/aca8/c4a62ed6e590889f1e859d7bc79311fa6f4d.pdf

分享主题

▼

Beyond Universal Saliency: Personalized Saliency Prediction with Multi-task CNN

分享人简介

▼

徐衍钰，上海科技大学信息学院三年级博士生，导师为高盛华教授。2011年本科毕业于大连理工大学。主要研究方向为计算机视觉，例如显著性分析、人脸对齐等。

分享时间

▼

北京时间10月13日（周五） 20:00 

参与方式

▼

扫描海报二维码，点击底部菜单

如果你觉得活动不错，欢迎点赞并转发本文~

                 ▼▼▼