標(biāo)題：Deep Embedded Variational Optimization Framework and Beyond in Image Fusion
報(bào)告時(shí)間：2025年8月22日（星期五）10：00-11：00
報(bào)告地點(diǎn)：線(xiàn)上騰訊會(huì)議（會(huì)議ID：652-217-369）
主講人：鄧良劍
主辦單位：數(shù)學(xué)與統(tǒng)計(jì)學(xué)院
報(bào)告內(nèi)容簡(jiǎn)介：
This talk primarily explores how to embed deep learning priors into traditional variational optimization model frameworks to effectively enhance the accuracy, generalizability, and interpretability of deep learning methods. The talk mainly covers two aspects: 1) Proposing a Deep Embedded Variational Optimization (DE-VO) framework which is a general form to connect traditional and DL methods; 2) Showing some specific examples under the DE-VO framework. The proposed framework exhibits strong interpretability and demonstrates superior accuracy and generalizability in high-dimensional data processing and analysis tasks such as remote sensing image fusion.
主講人簡(jiǎn)介：
鄧良劍，電子科技大學(xué)數(shù)學(xué)科學(xué)學(xué)院教授、博導(dǎo)。長(zhǎng)期從事應(yīng)用數(shù)學(xué)、人工智能和圖像處理領(lǐng)域的交叉研究，主要研究方向?yàn)椋鹤兎謭D像處理、機(jī)器學(xué)習(xí)、圖像融合等。分別于2010年和2016年獲得電子科技大學(xué)理學(xué)學(xué)士和理學(xué)博士學(xué)位。作為聯(lián)合培養(yǎng)博士生在美國(guó)凱斯西儲(chǔ)大學(xué)學(xué)習(xí)一年，赴香港浸會(huì)大學(xué)進(jìn)行博士后研究工作一年。曾在對(duì)方資助下短期訪(fǎng)問(wèn)劍橋大學(xué)牛頓數(shù)學(xué)科學(xué)研究所、香港浸會(huì)大學(xué)。主持國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng)、省部級(jí)項(xiàng)目1項(xiàng)，作為研究骨干參與國(guó)家重點(diǎn)研發(fā)等國(guó)家級(jí)項(xiàng)目多項(xiàng)。近年以第一或通訊作者身份在SIAM J. Imag. Sci.、IEEE Trans. Pattern. Anal. Mach. Intell.、Int. J. Comput. Vis.、Info. Fusion、IEEE匯刊發(fā)表期刊論文30余篇，在人工智能頂級(jí)會(huì)議ICML、NeurIPS、CVPR等發(fā)表CCF-A論文20余篇(5篇口頭報(bào)告)。曾獲四川省數(shù)學(xué)會(huì)應(yīng)用數(shù)學(xué)一等獎(jiǎng)(獨(dú)立)等獎(jiǎng)勵(lì)。擔(dān)任多個(gè)期刊編委/客座編輯。
