一、答辩题目：基于深度学习技术的材料图像分析方法研究
二、答辩人：刘高凯
三、答辩时间：2022年06月11日（周六）9:30:-12:00
四、答辩地点：腾讯会议133-379-000
五、答辩内容简介：
考虑到深度学习技术在材料图像分类问题、目标检测问题、图像分割问题以及边缘检测问题四种材料图像典型分析问题中正逐渐成为优选方案，因此本文以通用深度学习模型为基础，在分析通用深度学习领域一些典型模型的基础上，针对材料图像应用场景下的典型特点，为了进一步提高模型在预测样本上的相关性能，本文提出若干基于通用深度学习模型的结构优化方案，最后通过实验验证了改进方法的有效性。值得一提的是，对上述四类问题建模中的部分改进模型利用了不同任务的相关性、相关输出特征信息或者借鉴了其它任务的建模思路，其有效性体现了不同任务之间具有一定的关联性，且其中的关联性以及其它潜在的关联性在对不限于本文的不同问题建模时均可被尝试加以利用。
六、答辩人简介：
刘高凯，男，2016级博士研究生，主要研究方向：图像分类、目标检测、图像分割、边缘检测技术及在材料图像上的应用研究。专业：控制科学与工程。
