报告题目：深度去噪网络的无监督学习与自适应方法(Unsupervised Learning/Adaption of Deep Denoisers)

报告人：  左旺孟 教授.

工作单位：哈尔滨工业大学

报告时间：2021年6月1日（周二）15:30-17:00

报告地点：4号楼208会议室

报告人简介：

左旺孟，哈尔滨工业大学计算学部教授、博士生导师。主要从事图像增强与复原、图像编辑与生成、物体检测与目标跟踪、图像与视频分类等方面的研究。担任IEEE T-PAMI和IEEE T-IP等国际期刊编委。在CVPR/ICCV/ECCV等顶级会议和T-PAMI、IJCV及IEEE Trans.等期刊上发表论文100余篇，谷歌学术引用15,000余次，谷歌学术H-Index为62。发表ESI高被引论文8篇。提出的DnCNN模型被正式收入MATLAB   2017b及后续版本的Image Processing和Deep   Learning Toolbox，并被CV-News Magazine作为Main Story专题报道，目前最高单篇引用1900余次。担任人工智能学会模式识别专委会常委、中国图象图形学会机器视觉专委会常委、中国图象图形学会青工委执委，国家自然科学基金重点项目负责人。担任ICCV 2019、CVPR 2020/2021等CCF-A类领域主席及IJCAI、AAAI等CCF-A类会议高级程序委员，担任ECCV AIM 2020竞赛单元主席之一。

报告摘要：

目前深度学习在底层视觉中的成功往往依赖于大规模成对的训练数据。但对图像盲去噪、盲去卷积等实际应用，全监督数据的获取往往十分困难，无监督和自监督学习因而成为更为可行的替代方法。报告将主要介绍两方面的内容：(1) 自监督图像去噪，基于深度上下文模型实现图像噪声估计模型和去噪模型的联合学习，并结合知识蒸馏进一步提升去噪性能。(2) 图像去噪模型的无监督自适应，学习和利用伪ISP和伪RawRGB噪声模型来生成逼真的噪声图像，使得深度去噪网络能够自适应地调整应用于测试图像。

欢迎各位老师同学届时参加！