研究内容

本团队拟开展的研究内容是复杂场景下的视觉感知理论与模型架构搜索方法研究。深度学习以及新一轮人工智能发展对计算机视觉的发展起到了极大的推动作用，计算机视觉的应用不断深入到各行各业。计算机视觉与认知神经科学、应用数学和统计学等学科的交叉，与各种硬件的融合，受各种应用的驱动，新方法新需求大量涌现，使得对探索新的视觉感知理论框架与模型架构搜索方法尤为需要。本团队将主要从以下三个方向开展相关研究工作：1. 基于元学习的鲁棒行人重识别方法研究；2. 基于深度学习的三维感知与理解；多传感器融合的三维视觉框架研究；3. 基于进化迁移学习的神经架构搜索方法研究。

研究成果

1.Text-based Person Search via Multi-Granularity Embedding Learning, IJCAI 2021.

2.A Multi-Constraint Similarity Learning with Adaptive Weighting for Visible-Thermal Person Re-Identification, IJCAI 2021

3.Learning to Generalize Unseen Domains via Memory-based Multi-Source Meta-Learning for Person Re-Identification, CVPR 2021

4.Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification, CVPR 2021

5.Learning to Attack Real-World Models for Person Re-identification via Virtual-Guided Meta-Learning, AAAI 2021

招生要求

1.招生范围：人工智能、计算机科学与技术、软件工程、网络空间安全、数学等相关专业全日制本科毕业生及硕士毕业生；

2.语言要求：英语6级425分或雅思6.0及以上；

3.其他要求：具有较好的数学基础及扎实的编程能力、了解机器学习及深度学习的基础知识，有相关研究经验者优先考虑。

注：团队硕士研究生招生上限4人

团队联络人：江敏教授， minjiang@xmu.edu.cn