报告人：刘毅 教授 常州大学

主持人：胡宇韬

报告时间：2025年11月06日（周四）下午14:00-16:00

报告地点：av电影 九龙湖校区计算机楼513报告厅

报告摘要：卷积神经网络（CNNs）凭借其强大的特征提取能力，已成为现代计算机视觉的基石。然而，其核心操作之一——池化（Pooling）——在压缩特征图与扩大感受野的过程中，不可避免地损失了物体的精确空间结构与姿态信息，从而限制了模型在面对复杂视觉变换时的鲁棒理解能力。为克服这一局限，本报告介绍了以“部件-整体关系”为核心的视觉范式，该范式以胶囊网络（CapsNets）为主要实现路径。CapsNet通过动态路由算法，显式地建模部件（如眼睛、鼻子）与整体（如人脸）之间的仿射变换关系，从而在保留空间层次结构的基础上，实现了优于传统池化操作的鲁棒表征能力。进一步地，本报告围绕“部件-整体关系”这一视觉建模框架，探讨其模型轻量化设计，及其在视觉显著物体分割、点云物体分割等多种任务中的潜力。

报告人简介：刘毅，教授，常州大学计算机与人工智能av电影副院长，江苏省“青蓝工程”中青年学术带头人，入选江苏省青年科技人才托举工程。2019年12月博士毕业于西安电子科技大学，2018年-2019年在英国兰卡斯特大学和华威大学做联合培养，主要研究视觉显著性、胶囊网络、3D点云场景理解等视觉理解方向。在顶级期刊和会议上发表论文40余篇，包括T-PAMI，IJCV，T-IP，ICCV等。主持国家自然科学基金面上、青年项目，江苏省科技厅面上项目，江苏省高等学校基础科学（自然科学）研究重大项目等，指导学生获av电影 国家奖学金，江苏省本科生优秀学位论文等。