报告题目：面向高光谱图像分类的半监督学习方法研究

主要内容：高光谱图像具有图谱合一、成像光谱分辨率高的特点，在资源勘探、目标检测、农林业、矿业、城市建设、地球气候等领域发挥出重要的作用。对高光谱图像进行分类，是以上实际应用场景的关键所在。面对海量复杂高维的高光谱图像，如何对其进行快速精准的分类，是当前机器学习研究领域一个前沿方向。报告围绕着高光谱图像分类任务中面临的难点，以半监督学习方法为基础进行分析，阐明实际影响高光谱图像分类精度和效率的因素，并在此基础上介绍及分析当下热门深度学习方法在高光谱图像分类中的进展与挑战，探讨深度学习在有限的有标记样本下的可行性，为拓展深度学习在高光谱图像分类任务中的应用，实现深度学习方法在有限的标记样本下的高性能提供技术参考。

报告人：贺紫平

报告人所在单位：计算机与通信工程学院

报告人职称/职务及学术头衔：博士

时间：2023年 6月 13 日14:00

地点：金盆岭校区6教306室

报告人简介：贺紫平，博士，毕业于河北工业大学电子科学与技术专业。主要研究方向：机器学习、深度学习、图像处理。在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》、《International Journal of Remote Sensing》、《RemoteSensing》《IEEE Transactions on Geoscience and Remote Sensing》等国内外知名刊物上发表论文10余篇，作为骨干成员参与天津市自然科学基金项目1项，河北省自然科学基金项目1项。

承办单位：计算机与通信工程学院    通识教育中心