報(bào)告時(shí)間：2020年10月12日（周一）下午14：00-15：00
報(bào)告形式：騰訊會(huì)議（會(huì)議號(hào)：270637082、密碼：123456）
報(bào)告題目: Hyperspectral Images Unmixing Using Deep Learning
摘要: Due to factors such as low spatial resolution, microscopic material mixing, and multiple scattering, hyperspectral images generally have problems with mixed pixels. This paper proposes two network structures under the framework of deep learning, which can be well applied to hyperspectral images unmixing: 1) network architecture based on spectral information, the architecture uses a fully connected neural network and the spectral vector is used as an input for unmixing; 2) network architecture based on spatial-spectral information, the architecture further combines the convolutional neural networks to fuse the spatial information and spectral information of the hyperspectral image for unmixing. Experiments on simulated dataset and real dataset show the efficiency of our approach.
報(bào)告人簡(jiǎn)介：李紅，教授，博士生導(dǎo)師，享受?chē)?guó)務(wù)院政府特殊津貼專(zhuān)家，華中科技大學(xué)卓越學(xué)者特聘教授。主要從事逼近與計(jì)算、機(jī)器學(xué)習(xí)與模式識(shí)別等方面的研究，在IEEE Trans等重要學(xué)術(shù)期刊上發(fā)表學(xué)術(shù)論文50余篇。主持國(guó)家自然科學(xué)基金、“十二五”航天支撐計(jì)劃項(xiàng)目及國(guó)防預(yù)研基金等多個(gè)科研項(xiàng)目。2006年至2019年期間多次應(yīng)邀訪問(wèn)香港浸會(huì)大學(xué)、澳門(mén)大學(xué)、美國(guó)加州大學(xué)爾灣分校（UCI）、澳大利亞悉尼大學(xué)等，十余次出席國(guó)際學(xué)術(shù)會(huì)議。2006年獲寶鋼教育基金“優(yōu)秀教師”獎(jiǎng)；2009年主持建設(shè)的“復(fù)變函數(shù)與積分變換”課程被評(píng)為國(guó)家精品課程、2013年評(píng)為國(guó)家精品資源共享課程、2018年評(píng)為國(guó)家精品在線開(kāi)放課程；2013年獲湖北省教學(xué)成果二等獎(jiǎng)；2014年獲湖北省名師稱(chēng)號(hào)。
歡迎廣大師生參加！
理學(xué)院
2020年10月12日
