报告题目：“Unified Perception Networks for Multitask Learning”

报告时间： 6月7日(周二)，上午10:10

报告地点：信息学院C310（线下）,ZOOM，会议号: 840 3278 0106, 密码: 123456（线上）

报告介绍：众多依赖相机等传感器的自动系统（如无人车、机器人等）需同时处理目标检测、深度估计、语义分割等高层语义感知任务。设计统一高效的感知框架，不仅益于多任务之间的特征共享，算力受限情况下的部署，也可以促使任务相互辅助提升精度，降低优化的难度。在本报告中，我们将从实例分割切入，分享我在感知框架设计领域的一些工作。主要包括高效的实例分割网络及其向全景分割、3D目标检测任务的扩展，稀疏匹配策略对感知框架的影响和感知任务中处理半监督、弱监督问题的经验技巧。

报告人简介 陈昊，浙江大学CAD&CG国家重点实验室研究员，主要研究方向为自动驾驶中的高层语义感知网络设计。曾任华为诺亚方舟计算视觉实验室主任工程师。博士毕业于澳大利亚阿德莱德大学，师从沈春华教授。在网络结构搜索、通用感知网络设计和文字检测等领域发表多篇顶会论文。Google Scholar引用3k+。汇总多个自研算法主导开发并开源算法库AdelaiDet在业界获得广泛使用。