1月11日上午，悉尼大學(xué)張敬博士后研究員做客我?！拔囱雽?dǎo)師論壇”，在線作了題為“視覺Transformer模型結(jié)構(gòu)設(shè)計及其應(yīng)用”的學(xué)術(shù)報告。報告會由研究生院主辦，電氣與控制工程學(xué)院承辦，電控學(xué)院研究生導(dǎo)師及研究生參加了此次報告會，會議由電控學(xué)院劉偉峰教授主持。

報告會上，張敬研究員圍繞Transformer模型結(jié)構(gòu)的改進(jìn)，首先介紹了將卷積神經(jīng)網(wǎng)絡(luò)與Transforme模型相結(jié)合，從參數(shù)數(shù)量、數(shù)據(jù)集大小、計算量、精度等方面對大模型的性能進(jìn)行評估；其次，講解了如何通過改變Transformer模型的圖像輸入方式，提高Transformer在視覺領(lǐng)域中模型的魯棒性。最后，對上述模型在圖像識別、物體檢測、語義分割等領(lǐng)域的應(yīng)用及取得的顯著進(jìn)展進(jìn)行展示和匯報。

報告會結(jié)束后，與會師生與張敬研究員就報告內(nèi)容進(jìn)行了深入的交流與探討。報告聚焦視覺Transformer前沿技術(shù)，拓寬了師生學(xué)術(shù)視野和科研思路。

新聞小貼士：

張敬，博士，2015年畢業(yè)于中國科學(xué)技術(shù)大學(xué)自動化系，目前在悉尼大學(xué)計算機系從事博士后研究，主要從事計算機視覺與深度學(xué)習(xí)等人工智能領(lǐng)域的相關(guān)科學(xué)研究工作，在 CCF A類國際會議/期刊以及IEEE 匯刊等國際著名期刊已發(fā)表學(xué)術(shù)論文90余篇，谷歌學(xué)術(shù)引用6200余次。長期擔(dān)任著名國際學(xué)術(shù)期刊和會議審稿人、程序委員會委員、高級程序委員會委員及領(lǐng)域主席。2023年晉升為美國電氣和電子工程師協(xié)會（IEEE）高級會員。提出的ViTAE Transformer可廣泛應(yīng)用于圖像分類、目標(biāo)檢測、語義分割、視頻實例分割、圖像摳圖、目標(biāo)跟蹤、文字檢測和識別、遙感圖像分析等多個領(lǐng)域，并取得了非常有競爭力的結(jié)果，相關(guān)GitHub倉庫關(guān)注量超過5000。該模型在相關(guān)比賽或者公開數(shù)據(jù)集多次名列第一，受到廣泛關(guān)注。

（核稿：楊南 編輯：劉倩）