【直播预告】SFFAI 106 语义分割专题
低层次和高层次特征都在语义分割任务中发挥着重要的作用。现有的语义分割研究主要关注高层次特征的提取，例如通过各类注意力模型提取全局的上下文信息。然而，对低层次特征提取方式的研究工作相对较少。本期我们邀请到来自北京航空航天大学的祝澜耘，分享他在CVPR2021的一项工作，在语义分割任务中提取并利用低层次的纹理特征。
讲者介绍
祝澜耘，北京航空航天大学硕士一年级学生，主要研究方向为图像分割，目前已在CVPR等计算机视觉会议期刊上发表多篇论文。
会议题目
为语义分割任务学习统计化的纹理特征
会议摘要
这篇论文主要关注如何在语义分割任务中提取并利用低层次的纹理特征。本文首先提出了一个量化与计数模块（QCO），以统计的方式在深度神经网络中对纹理进行表征。随后，基于QCO，本文又进一步提出纹理增强模块和金字塔纹理特征提取模块，分别对纹理细节进行增强并从多尺度提取统计化的纹理特征。我们提出的模块在仅需增添较少计算量的情况下，有效地在多个语义分割数据集上改善效果。
论文标题：Learning Statistical Texture for Semantic Segmentation
会议亮点
1、本文关注了语义分割任务中的低层次特征提取；
2、本文提出了一种新方法在神经网络中对统计化的纹理特征进行表征并利用；
3、本文提出的模块具有普适性，能扩展到多种模型结构与任务中。
直播时间
2021年5月16日（周日）20:00—21:00 线上直播
关注微信公众号：人工智能前沿讲习，对话框回复“SFFAI106”，获取入群二维码
注：直播地址会分享在交流群内
现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。
SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。
