讲座主题：
图像表示学习中的二阶统计建模
主讲人姓名及介绍：
武玉伟，北京理工大学计算机学院副研究员、博士生导师，中国计算机学会计算机视觉专委会委员，中国图象图形学会3DV三维视觉专委会委员、视觉大数据专委会委员。2014年7月于北京理工大学获得计算机应用技术工学博士学位，并获得北京理工大学优秀博士学位论文奖、中国人工智能学会优秀博士学位论文提名奖。2014年8月至2016年8月赴新加坡南洋理工大学电气电子工程学院从事博士后研究。2016年10月加入北京理工大学计算机学院。主持国家自然科学基金、北京市自然科学基金等课题，在计算机科学国际权威期刊T-NNLS、T-IP、T-CSVT、T-ITS、T-MM和国际顶级会议CVPR、AAAI、ACM MM 等发表论文30余篇。主要从事计算机视觉、机器学习、信息检索等方向的研究。
报告摘要：
近年来，图像表示学习经历了从手设计到深度神经网络模型学习的快速发展，它是理解图像语义的基本问题。许多计算机视觉任务的实现都遵循特征“提取+编码+分类”的范式。本报告主要介绍基于二阶统计建模的图像表示学习方法，重点讨论在非欧空间中如何编码、度量、优化深度特征，并在图像分类、视觉问答等计算机视觉任务上验证所提出方法的有效性。
