报告题目：参数化卷积方法及其应用
主讲人：谢琦
单位：西安交通大学
时间：2月1日15:00
腾讯ID：527-280-547
摘要：卷积算子是卷积网络核心，在现代深度学习领域发挥了重要的作用。然而，常用的离散形式卷积核无法灵活进行变换，功能上仍具有局限性，不适用于旋转与尺度不变性刻画、卷积核动态调整和非网格卷积等操作。参数化（连续化）卷积方法是克服上述问题的一个重要技术，因此具有重要的研究价值。现阶段参数化卷积方法研究处在起步阶段，仍有许多有待克服的不足之处，本报告将介绍一种适用于底层视觉任务的参数化卷积方法，并以旋转等变卷积算子的构造为代表，介绍一系列参数化卷积方法的应用。
简介：谢琦，西安交通大学BEVITOR伟德副教授，博导。于2013年7月和2020年12月分别获西安交通大学理学学士与理学博士学位。2017年8月至2018年9月曾赴普林斯顿大学访学。目前主要从事机器学习与计算机视觉的基础问题研究。在CCF A类期刊与会议发表论文18篇，IEEE Trans.论文14篇，其中以第一作者在领域顶刊TPAMI发表论文3篇；三篇论文入选ESI高被引论文。2015年至今，谷歌学术被引4233次，H指数为21。入选2022年CCF优秀博士学位论文激励计，曾获“2021年ACM中国优博提名奖”、“2023年陕西省优秀博士学位论文奖”、“VALSE年度最佳学生论文提名奖”、“徐宗本应用数学论文奖”等奖项。
