人工智能与大数据学院学术沙龙预告
面向水下低质图像目标的定位与跟踪技术
时间:4月23日晚上7:30-8:15 地点:6369
报告人:李宁
报告简介:
海洋中丰富资源的开发和国家海域内安防系统的建设一直是国家重点发展领域,水下目标定位与跟踪是实现海洋探测和水下安防建设的一种重要方式。基于计算机视觉的水下目标定位与跟踪为海洋探测和安防建设提供了有效手段,并在水下定位导航、水下自主决策机器人等应用领域发挥出了巨大潜力。然而,面对水下开放场景中成像模糊、特征畸变失真等严重影响基于视觉的水下目标定位与跟踪技术无法实现高效和精确的性能。本报告针对水下场景中基于视觉的目标定位与跟踪的技术存在的问题,如水下图像复原与增强中引起特征退化问题,造成下游任务性能的衰减;水下复杂场景中目标定位误差大且效率低的问题;水下低质图像中细粒度特征获取难度大造成的目标跟踪精度低,重点介绍近期的研究成果,包括用于水下图像强的零样本参考深度网络、用于提高视觉定位中最优姿态估计准确性的场景语义和筛选3D-2D关键点的位姿验证机制、以及一种基于差分边界注意力指导的稀疏置信特征学习的水下目标跟踪网络。
报告人简介:
李宁,男,河南工业大学人工智能与大数据学院讲师,博士毕业于武汉大学计算机学院,博士后出站于广州大学人工智能研究院,研究方向包括视觉关系推理、多模态数据融合、目标跟踪等
可重构智能超表面辅助移动边缘计算系统中的资源优化研究
时间:4月23日晚上8:15-9:00 地点:6369
报告人:李娜娜
报告简介:
移动边缘计算(Mobile Edge Computing,MEC)可以为用户提供不间断的高质量网络体验。通过无线信道,无线设备可以将其计算任务卸载到边缘服务器上进行远程处理,从而减小任务处理时延。而任务卸载可能会受到阻塞的通信链路和较弱的传输信号的影响,导致任务传输时延增加。边缘端大量计算资源空闲,限制了 MEC 系统的高效使用。智能反射面(Intelligent Reflecting Surface,IRS)低成本、易部署,将其引入到 MEC 系统可以为受阻的信号提供一条新的通信链路、提高接收端信号强度。然而,现有关于IRS辅助MEC的研究并不完善。一是未考虑多用户间的时延公平性;二是窄带系统中,IRS 反射幅度和相移量有关。 而现有关于 IRS辅助 MEC 的研究均假设理想 IRS 反射模型,即每个元素都有恒定大小的振幅、可变的相移和相同的宽带信号响应,且未考虑 IRS 能耗,这在实际系统中必然会导致系统性能的损失;三是现有 IRS 辅助 MEC 系统的研究多受限于窄带信道。宽带/多载波系统中,IRS 幅度和相移对不同频率的入射信号还表现出不同的响应特性。因此,需要结合不同的用户需求和应用场景,构建更加符合实际的系统模型,并基于所形成的优化问题,提出有效的优化算法。
报告人简介:
李娜娜,女,河南工业大学人工智能与大数据学院讲师,博士毕业于郑州大学电气与信息工程学院,研究方向包括移动边缘计算资源分配、无线通信信号处理等。