西电新闻网讯（通讯员田春娜）3月6日，应西安电子科技大学电子工程学院影像处理系统实验室田春娜副教授的邀请，澳大利亚阿德莱德大学计算机科学学院沈春华教授于2017年3月6日来校进行学术交流访问，并于下午在新科技楼1012会议室作了题为“Deep Learning for DensePer-Pixel Prediction and Vision-to-Language Problems”的学术报告。报告由田春娜副教授主持。

首先，沈春华介绍了他们结合深度学习和图模型（如条件随机场）的深度结构化方法在逐像素分割问题上取得的成果，并进一步展示了如何在单一图像上改善深度估计结果以及在深层结构学习背景下如何利用上下文信息进行语义分割。虽然深度学习正趋向于构建更深层的模型结构以提高性能，然而近来一些结果表明，考虑到其他限制仅仅增加网络层数不是最佳选择。因此，沈春华团队提出一个在分类和语义分割任务上大幅优于更深层网络的新型浅层残差网络结构。在像素标定方面，沈春华演示了基于Cityscaps数据集的动态实验结果，并分析了这种方法相对于传统目标提取的优越性，同时也举例说明在处理高分辨率图像上时由于效率问题在试试应用上存在的困难仍待解决。

随后，沈春华介绍了图像标注与图像问答方面的研究成果。近来计算机视觉与自然语言处理这两大领域所取得的研究成果促进了其他任务的发展。对图像进行语义理解并以自然语言描述其内容，相对于之前简单的标签提取有了很大的进步。沈春华讲解了他们在传统CNN+LSTM/RNN的网络基础上，考虑到图像特征信息提取可能不全面的问题，采用在中间加入过渡层的方法（利用多实例学习来获取多个图像标签）改善模型性能。

在报告后的提问环节，在场师生积极提问与沈春华互动，沈春华细致地解答问题。这场报告使得在座的师生对当前研究方向上的问题有了更广泛深入的了解，受益匪浅。

人物简介：

沈春华教授本科毕业于南京大学强化部(现匡亚明学院)；硕士毕业于南京大学电子系，并从阿德莱德大学获得计算机视觉方向的博士学位。于2011年入职澳大利亚阿德莱德大学计算机科学学院，先后担任高级讲师、副教授、教授。目前同时担任澳大利亚机器人视觉中心(Australian Centre for Robotic Vision)的项目主任(ProjectLeader)、阿德莱德大学机器学习实验室主任。在阿德莱德大学带领一个近20人的团队从事统计机器学习以及计算机视觉领域的研究工作。他之前在澳大利亚国家信息通讯技术研究院(National ICT Australia)堪培拉实验室和澳大利亚国立大学工作近6年。主持多项科研课题，在重要国际学术期刊和会议发表论文160余篇。担任IEEETNNLS副主编、多次担任重要国际学术会议(ICCV, CVPR, ECCV等)程序委员。2012到2016年被澳大利亚研究理事会(Australian Research Council)授予FutureFellowship。