_

基本信息

姓名:胡晓林
院系:计算机科学与技术系
职称:副研究员
办公地址:清华大学FIT楼4-504
办公电话:010-62795869
电子邮箱:xlhu@tsinghua.edu.cn
个人主页:http://www.xlhu.cn

教育经历

2001:武汉理工大学车辆工程工学学士
2004:武汉理工大学车辆工程工学硕士
2007:香港中文大学自动化与计算机辅助工程工学博士

社会兼职

Associate Editor, IEEE Transactions on Neural Networks and Learning Systems

研究方向

人工神经网络、计算神经科学

获得荣誉

教育部自然科学一等奖:神经动力学优化模型及应用(2012)

研究项目

受脑启发的层次化学习模型:在当前的计算机视觉领域,应用得最成功的模型基本都是前馈结构,包括在很多领域都取得了空前成功的卷积神经网络。而大脑的视觉系统存在大量反馈连接,神经科学家认为反馈连接对于视觉感知具有重要的作用。为了验证神经科学家的预测,课题组在卷积神经网络的卷积层内部加上反馈连接,用于物体识别和图像解析,在多个常用的数据集上都达到了最好的准确率。课题组还发现,不仅层内的反馈连接对于视觉问题有用,层间的反馈对某些视觉问题也有用。认知心理学中有一个著名的假说叫逆层次理论,认为自下而上的信息传播是无意识的(前馈),而有意识的信息传播是自上而下的(反馈),即从IT区和别的高级区域向V1区传播。由这个理论指导,课题组提出了一个反馈模型,在图像的显著性预测方面取得了很好的效果。这些研究的意义在于表明通过借鉴大脑的结构和工作机理的确能够进一步推动深度学习的研究。相关成果发表在计算机视觉和机器学习的顶级会议IEEE CVPR 2014,2015和NIPS 2015上。

代表性论文

1. M. Liang, X. Hu, “Recurrent convolutional neural network for object recognition,” Proc. of the 28th IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Boston, USA, June 7-12, 2015, pp. 3367-3375.
2. M. Liang, X. Hu, B. Zhang, “Convolutional neural networks with intra-layer recurrent connections for scene labeling,” Advances in Neural Information Processing (NIPS), Montréal, Canada, Dec. 7-12, 2015.
3. T. Shi, M. Liang, X. Hu, “A reverse hierarchy model for predicting eye fixations,” Proc. of the 27th IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Columbus, USA, June 24-27, 2014, pp. 2822-2829.
4. M. Liang, X. Hu, “Predicting eye fixations with higher-level visual features,” IEEE Transactions on Image Processing, vol. 24, no. 3, pp. 1178-1189, 2015.
5. X. Hu, J. Zhang, J. Li, B. Zhang, “Sparsity-regularized HMAX for visual recognition,” PLOS ONE, vol. 9, no. 1, e81813, 2014


• 2017年2月19日编辑

<< 返回首页