报告题目：面向开放世界的可泛化机器学习算法研究
主讲人： 陈超奇 香港大学
报告时间：2023年04月03日下午 15:00
报告地点：海韵园科研一310
报告摘要：
在过去的十年中，以深度学习为代表的机器学习模型在各种任务中取得了前所未有的成功。然而，当这些模型在真实世界中部署时，它们往往难以处理域偏移问题，即训练和测试数据不符合独立同分布假设，从而降低了它们在许多关键应用中的安全性和可靠性，例如自动驾驶和计算机辅助诊断疾病。因此，如何开发在未知领域和新情境下具有良好泛化能力的机器学习算法成为了研究人员面临的重要问题。本次报告将重点介绍面向开放世界的领域自适应和领域泛化算法研究，以及它们在视觉理解和医学图像分析任务中的应用。
报告人简介：
陈超奇，香港大学计算机系在读博士生，导师为俞益洲教授 (ACM/IEEE Fellow)。2020年和2017年在厦门大学分别取得硕士和学士学位。主要研究方向为机器学习，迁移学习，人工智能的可靠性和安全性，深度生成模型。在计算机学科顶级期刊 (TPAMI) 和顶级会议 (CVPR, ICCV, NeurIPS) 发表论文十余篇，同时担任TPAMI/TIP/TNNLS/TKDE/CVPR/ICCV/ECCV等权威期刊和会议的审稿人或程序委员会委员。
邀请人：信息与通信工程系 丁兴号教授、 黄悦教授