研究方向
|
■ 研究方向一：视觉搜索 
视觉搜索是计算机视觉、机器学习、人工智能和模式识别等多个方向的融合。该方向主要研究：深度模型攻防和模型鲁棒性度量、目标重识别、细粒度图像检索和边缘计算。相关内容包括：跨模态的行人重识别、多尺度特征融合的细粒度图像检索、深度对抗样本生成与伪造检测、深度模型攻击与防御、模型鲁棒性度量和智能边缘计算应用示范等。在理论层面，主要关注车辆及行人RID的跨模态和多视角问题、深度模型的对抗攻击与防御问题、模型鲁棒性度量问题、细粒度检索的注意力机制与多尺度特征融合问题等。在应用层面上，主要关注：智能安防、智慧社区、视频内容过滤与结构化分析、智能家居、智能机器人、智能工业控制等。 |
|
■ 研究方向二:社交媒体 
社交媒体包含了海量非合作、异构化、跨模态的数据，既蕴藏了大量的人类知识与高价值信息，也包含了各种自然与人为的噪声，对其分析与处理需要融合多媒体大数据、类脑计算、机器学习、模式识别、计算机视觉、自然语言处理等多个维度的智能技术。理论层面，主要关注基于深度学习的多模态特征分析与表示、多模态信息融合、跨媒体情感分析与预测、网络知识挖掘与推荐、跨媒体智能模型的鲁棒构建、跨模态的智能对抗攻防。应用层面，主要关注网络空间舆情感知、跨模态匹配与搜索推荐、图像描述与视觉问答、语言指导的目标检测与分割、用户隐私保护、社交网络分析引导。 |
|
■ 研究方向三:图像理解 
图像理解是计算机视觉的最终目标之一。理解图像意味着基于图像的分类、检测、分割、重建等任务全部解决。在深度学习风靡的当下，图像理解组致力于基于深度学习的图像理解。 具体包含深度模型理解、图像翻译、目标检测、样例分割等子方向。 |
|
■ 研究方向四:机器学习 
机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是一门结合概率论、统计学、逼近论等多领域的交叉学科。主要研究内容包括相关机器学习算法及在图像视觉领域的相关应用。相关的内容分析问题包括：图像分类、目标检测、目标跟踪、以及图像中高层特征提取。在理论层面上，主要关注统计学习理论、特征表示、深度学习框架构建等。在应用层面上，主要关注大数据背景下图像分类、目标的检测与跟踪、视觉图像检索等。 |
代表论文
|
■ Xiawu Zheng, Yuhang Chen,Qiang Wang, Rongrong Ji*,Baochang Zhang, Jie Chen, Yonghong Tian, Qixiang Ye. MIGO-NAS: Towards Fast and Generalizable Neural Architecture Search. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).2021 |
|
■ Mingbao Lin, Rongrong Ji*,Baochang Zhang, Yonghong Tian, Dacheng Tao. Fast Class-wise Online Hashing. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).2021 |
|
■ Mingbao Lin, Rongrong Ji*, Hong Liu, Xiaoshuai Sun, Shen Chen, Qi Tian. Hadamard Matrix Guided Online Hashing. International Journal of Computer Vision (IJCV).2020 |
|
■ Yiyi Zhou, Rongrong Ji*, Xiaoshuai Sun, Jingsong Su, Deyu Meng, Yue Gao, Chunhua Shen. Plenty is Plague: Fine-Grained Learning for Visual Question Answering. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).2019 |
|
■ Rongrong Ji, Ke Li*, Yan Wang, Feng Guo, Xiaowei Guo, Yongjian Wu, Feiyue Huang, and Jiebo Luo. Semi-Supervised Adversarial Monocular Depth Estimation. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).2019 |
|
■ Shaohui Lin, Rongrong Ji*, Chao Chen, Dacheng Tao, Jiebo Luo. Holistic CNN Compression via Low-rank Decomposition with Knowledge Transfer. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).2018 |
|
■ Hong Liu, Rongrong Ji*, Jingdong Wang, Chunhua Shen. Ordinal Constraint Binary Coding for Approximate Nearest Neighbor Search. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).2018 |
|
■ Baochang Zhang, Alessandro Perina, Zhigang Li, Vittorio Murino, Jianzhuang Liu, Rongrong Ji*. Bounding Multiple Gaussians Uncertainty with Application to Object Tracking. International Journal of Computer Vision (IJCV).2016 |
|
■ Fuhai Chen, Rongrong Ji*, Jiayi Ji, Xiaoshuai Sun, Baochang Zhang, Xuri Ge, Yongjian Wu, Feiyue Huang, Yan Wang. Variational Structured Semantic Inference for Diverse Image Captioning. Conference and Workshop on Neural Information Processing Systems (NIPS).2019 |
|
■ Jie Hu, Rongrong Ji*, ShengChuan Zhang, Xiaoshuai Sun, Qixiang Ye, Chia-Wen Lin, Qi Tian. Information Competing Process for Learning Diversified Representations. Conference and Workshop on Neural Information Processing Systems (NIPS).2019 |
|
■ Xiaosong Zhang, Fang Wan, Chang Liu, Rongrong Ji, Qixiang Ye. FreeAnchor: Learning to Match Anchors for Visual Object Detection. Conference and Workshop on Neural Information Processing Systems (NIPS).2019 |
|
■ Xiawu Zheng, Rongrong Ji* , Lang Tang, Baochang Zhang, Jianzhuang Liu, Qi Tian. Multinomial Distribution Learning for Effective Neural Architecture Search. IEEE International Conference on Computer Vision (ICCV Oral).2019 |