Speaker

　　Title

　　Time

　　Venue

腾讯会议：485-517-380

　　Abstract

　　自监督学习可以为图像聚类算法提供良好的表征，但是当表征和聚类同步学习时会存在一些问题。具体来说，基于对比的自监督学习方法通常需要大量的负样本来使得所有样本的表征分离，但是负样本会带来类别冲突，进而影响下游的聚类性能；反之，基于非对比的自监督学习方法虽然避免了类别冲突问题，但是由于缺少负样本，与聚类任务联合优化时容易造成聚类崩溃。本报告将围绕这两个问题，分别介绍基于语义伪标签和原型对比的图像聚类算法，最后对一些潜在的研究方向进行展望和讨论。

　　Affiliation

　　单洪明，博士生导师，海外高层次青年人才计划，上海市扬帆人才计划。复旦大学类脑人工智能科学与技术研究院青年研究员和上海脑科学与类脑研究中心求索研究组长。博士毕业于复旦大学计算机科学技术学院，随后在美国伦斯勒理工学院生物医学影像中心先后担任博士后和研究科学家。主要研究方向为机器学习、图像处理、医学成像等方面的研究。先后在Nature Machine Intelligence、Nature Communications、IEEE TPAMI、IEEE TMI、IEEE TNNLS、IEEE ToC、CVPR、 IJCAI等国际期刊和会议发表论文50余篇，Google Scholar引用2700余次。担任多个国际重要会议及期刊评审。相关论文入选世界人工智能大会青年优秀论文奖、ESI高被引论文、中国社会计算会议最佳论文。主持国家自然科学基金优青项目（海外）、国家自然科学基金青年项目、上海市自然科学基金等多个科研项目。