报告人：李秀敏副教授（重庆大学）

报告日期：2024年1月5日（星期五）

报告时间：13:30-14:30

腾讯会议：584-470-256

报告摘要：

计算机视觉近年来取得相当进步，然而相较于人类视觉而言，它还存在很大差距。其中关键问题之一在于当前的人工神经网络存在功耗大、依赖带标签大数据样本以及鲁棒性低等问题。鉴于此，为了提升计算机视觉水平，我们将脑科学当前先进成果引入项目交叉研究，提出基于多尺度特征提取机制的视觉皮层神经网络计算模型和图像识别技术，建立由简单（条纹信息）到复杂（局部信息）、由局部到整体、先升维后降维的视觉信息编码和整合策略。利用视觉神经元的朝向选择性初步完成对图像的条纹特征提取；采用突触可塑性学习和动态自平衡调节机制，从高维条纹特征信息进一步提取出低维局部特征，并以稀疏编码的形式存储于网络权值中，构建出一种小样本、低功耗、高鲁棒性图像识别的新型神经网络计算模型，为类脑智能计算提供理论基础。

报告人简介：

李秀敏，重庆大学自动化学院副教授，博士毕业于香港理工大学，先后学术访问于剑桥大学的生理学发展与神经科学系及加州大学欧文分校的认知科学系。先后主持国家自然科学基金1项、重庆市基础与前沿研究计划面上项目和重庆市技术创新与应用发展专项重点项目各1项，参与科技创新2030-“脑科学与类脑研究”重大项目子课题1项等。发表境外SCI论文三十余篇。