各学院： 近期即将举办“博士沙龙”活动，现将有关信息通知如下，欢迎师生踊跃参加。 活动主题：冯仕民、施汉琴博士学术交流 时 间：2020年9月23日（周三）14:00 地 点：中心校区 敬信楼302会议室 主办单位：科技处 信息工程学院 主要发言人：冯仕民、施汉琴博士 参加人员：信息工程学院教师，其他学院相关研究方向及感兴趣的老师 专家简介： 题目：基于高斯过程的传感器融合 报告摘要：传感器融合广泛应用于军用和民用领域，在人机交互领域发挥着越来越重要的作用。本报告提出了一种多速率传感器融合的新方法，用于①用户匹配与②位置稳定和延时缩减，介绍了一种基于高斯过程模型的多传感器融合框架，探究了如何使用这种模型来融合可移动惯性传感器和外部位置传感器设备。高斯过程模型提供了一种原则性的机制，在多速率传感器融合中，这种机制把低速率位置测量值和高速率导数合并，同时考虑了各种传感器的不确定性。报告探究了微软Kinect传感器和可移动设备中嵌入的惯性传感器之间的互补特性，在可移动人机交互领域运用高斯过程框架来做传感器融合。基于高斯过程模型的传感器融合，作为一种原则性的概率论方法，可用于处理位置不确定性和系统延时，传感器融合提高了位置的稳定性，缩减了延时，提高了人机交互系统的可用性，对于室内增强现实和其他基于位置感知的传感应用，具有重要的意义。 报告人简介：冯仕民，男，计算科学专业博士，讲师。研究方向为多传感器智能信息处理与融合及人机交互。2017年江苏省“双创博士”，参与国家重点研发计划项目、英国工程和自然科学研究委员会（EPSRC）项目、英国格拉斯哥大学项目、德州仪器（TI）创新基金等资助的多个项目，主持科技部中央引导地方科技发展专项资金项目、淄矿集团横向项目等，公开发表论文10余篇（SCI论文两篇，ACM/EI论文多篇），专著一部。 题目：基于相对属性学习的视觉比较方法研究 报告摘要：由于计算机是用二进制数据来表达的，而人类传递的语言信息则是千变万化的，从而导致了底层数据信息和高层语义信息之间存在着“语义鸿沟”。视觉属性是一种中级别图像特征，它一般是人为命名的（如“尖的”、“笑的”），所以能捕捉更加多的语义关系，正好能解决计算机“语义鸿沟”问题，因此，基于相对属性学习的视觉比较已经成为计算机视觉领域内新的研究热点。 报告人简介：施汉琴，女，计算机应用技术专业博士，讲师。研究方向为计算机视觉图像处理。参与国家自然科学基金、安徽省自然科学基金等4项，公开发表论文近10篇（SCI论文2篇）。
信息工程学院 科技处 2020年9月18日 |
| |