Multi-dimensional image recovery: When tensor decomposition meets self-supervised learning
报告人：赵熙乐
报告地点：腾讯会议ID:235 463 388
报告时间：2021年06月24日星期四19:00-20:00
邀请人：刘俊
报告摘要：
赵熙乐，电子科技大学教授，博士生导师。2009年至2012年在电子科技大学攻读博士学位。先后在香港浸会大学、里斯本大学、香港理工大学和香港大学等进行博士后研究和学术访问。入选电子科技大学百人计划和四川省学术和技术带头人后备人选。主要研究兴趣为图像处理和机器学习等，第一或通讯作者在应用数学和图像处理高水平期刊或会议发表学术论文30余篇，包括SIAM J. Imaging Sci.、SIAM J. Sci. Comput.、IEEE Trans. Image Process.、IEEE Trans.Neural Netw. Learn. Syst.、IEEE Trans. Geosci. Remote Sens.和AAAI等。研究成果获四川省科技进步一等奖(自然科学类)，四川省科技进步一等奖(科技进步类)，中国计算数学学会青年优秀论文竞赛二等奖、首届川渝科技学术大会优秀论文一等奖、首届四川省数学会应用数学奖二等奖。主持国家自然科学基金面上项目和青年项目、四川省应用基础研究项目等，作为主要研究骨干参与国家重点基础研究发展计划（973计划）子课题、中央军委科学技术委员会国防科技创新特区项目等。
主讲人简介：
Recently, low-rank tensor decomposition methods have received increasing attention for multi-dimensional image recovery. However, only considering the low-rank prior of multi-dimensional images is not sufficient for multi-dimensional image recovery, especially for extremely complex imaging scenarios. In this talk, we will discuss how to bring into play the respective strengths of tensor decomposition methods and self-supervised deep learning methods for multi-dimensional image recovery. Extensive numerical examples including inpainting and denoising are delivered to demonstrate the superiority of our methods over state-of-the-art methods.
学校主页