9月13日下午，我校信息學院邀請到香港理工大學張效康博士于信息學院學術報告廳作題為“基于深度學習的辨率遙感影像語義理解”的學術報告。本次報告由教授伍世虔主持，眾多師生參與了此次的學術報告。

遙感是目前觀測地表及其動態(tài)變化最重要的技術，盡管深度學習使得了遙感對數據的自動化處理與分析能力大大增強，但是仍然存在對辨率遙感數據表征能力不足、泛化能力有限、依賴大量標簽數據、可信度未知等問題和挑戰(zhàn)，因此迫切需要對地球觀測信息的理解和應用，張效康研究融洽遙感數據特征與深度學習的智能解譯算法，構建適用于遙感數據的模型、方法，以解決遙感數據信息提取與知識挖掘難題。

張效康從模型架構、訓練學習模式、不確定性分析三個層面，對辨率遙感影像語義理解方法進行了深入剖析，在遙感語義分割、圖像復原、多模態(tài)數據融合、多時相遙感變化檢測等方向取得了一系列創(chuàng)新成果，全面提升了遙感智能解譯方法的精度、效率和自動化程度。

學術報告中，師生們圍繞 “遙感影像去云”和“多級可變形注意力聚合網絡”，展開了熱烈的討論，現(xiàn)場學術氛圍濃厚。

本次學術報告會對我院師生的學習和工作大有助益，不僅營造了良好的對外交流與學習的氛圍，更進一步拓展了研究生的視野，激發(fā)了研究生的創(chuàng)新熱情，增強了研究生的合作意識。

報告人簡介：

張效康，武漢大學博士，香港理工大學、香港中文大學(深圳)博士后研究員，香港理工大學副研究員。他長期致力于遙感數據深度學習方法研究，在多尺度視覺機制、深度特征融合、多目標域自適應、不確定性分析等方面取得了創(chuàng)新性成果,包括構建了視覺機制引導下的跨尺度上下文信息聚合模型，提出了基于半監(jiān)督深度特征融合的測圖方法，將衛(wèi)星遙感成像物理模型引入深度學習網絡中用于圖像去云，探索了基于多目標域自適應的遙感數據遷移學習方法,形成了地表覆蓋遙感監(jiān)測不確定性分析理論方法，全面提升了遙感智能解譯技術進步。在信息技術領域高水平期刊上以第一作者/通訊作者發(fā)表SCI論文10余篇,其中中科院二區(qū)以上7篇, Google Scho1ar引用360余次。主持國家自然科學基金項目、中國博士后科學基金面上項目等。曾獲測繪科技進步獎特等獎、王之卓創(chuàng)新人才獎、瑞士日內瓦國際發(fā)明展金獎等榮譽，入選“湖北省青年科技晨光計劃”人才計劃。

免責聲明：本站所提供的內容均來源于網絡，如涉及侵權問題，請聯(lián)系本站管理員予以更改或刪除。