报告简介：

在基于数据进行学习的机器模型中，零样本学习(Zero-shot Learning)旨在通过运用已获取知识的学习去认知未知类，从而使机器学习系统具备不断学习的能力。当前零样本学习模型大多是依托于额外的辅助信息（如，属性描述）来实现，解决的主要问题是如何准确地表示视觉和属性语义之间的交互。尽管上述方法在零样本学习中取得较好的进展，但如何解决零样本学习中跨数据集偏差、视觉-属性的关键公共语义表示、视觉-语义的异构特征对准等仍然是该领域的热门研究课题。此报告将围绕上述研究问题，介绍团队研究工作进展。

专家简介：

尤新革教授，现任国家防伪工程技术中心主任，入选教育部新世纪优秀人才支持计划、深圳市高层次人才、武汉市3511等人才计划，是爱思唯尔(Elsevier)中国高被引学者。先后担任国际权威刊物IEEE Trans. Cybernetics、IEEE Trans.Systems, Man, and Cybernetics: Systems编委（Associate Editor）和Neurocomputing等国际刊物客座主编，中国防伪行业协会理事、中国防伪包装与产品追溯委员会副主任委员、中国计算机学会视觉专委会、中国人工智能协会模式识别专委会等学会全国专委委员，IEEE高级会员。长期从事计算机视觉与机器学习、信息与信号处理、小波分析及其应用、生物特征识别与智能防伪等方面研究。在IEEE Trans. PAMI、IEEE Trans. Image Processing、NeurIPS、CVPR等国际刊物及国际会议上发表论文180余篇，Google他引5000余次。