2018年5月5日，美国伊利诺伊大学香槟分校魏云超博士应邀来北大计算机研究所交流，并做了题为“Towards Weakly- and Semi- Supervised Object Localization and Semantic Segmentation”的学术报告。
　　近年来，卷积神经网络在目标检测、图像语义分割等领域取得了巨大进展，但其依赖大量标注数据。然而，获取诸如边界框(bounding box)、分割掩码(segmentation mask)等标注数据耗时费力。为解决以上问题，魏云超博士介绍了他在利用弱监督信息来解决物体检测和语义分割等任务的研究成果。针对只使用图像级别标签生成密集目标定位图(dense object localization maps)，提出了几种新的解决方案。密集目标定位图可以建模图像级别标签和像素之间的关系，从而显著提升物体定位和语义分割任务的性能。魏云超博士的相关研究成果发表在多个顶级期刊和会议（如T-PAMI和CVPR）中。在随后的问答环节中，魏云超博士与参加讲座的师生在相关问题上进行了深入细致的讨论。
　　魏云超博士，2016年获得北京交通大学（BJTU）信号与信息处理专业博士学位；2013年到2017年之间在新加坡国立大学（NUS）跟随颜水成博士和冯佳时博士从事访问学者和博士后的研究工作；现为美国伊利诺伊大学香槟分校（UIUC）四院院士Thomas Huang教授的博士后研究员；迄今发表学术论文30余篇，其中包括以下顶级期刊/会议：T-PAMI (4), T-IP, T-CSVT, T-CYB, T-MM, T-NNLS, TIST, PR, CVPR (7), ICCV, AAAI, MM，Google学术引用次数730+。魏云超博士曾获得2016年中国电子学会和北京交通大学优秀博士论文奖；曾获得ImageNet视觉挑战赛在图像物体检测任务（ILSVRC-2014）和视频物体检测任务（ILSVRC-2017）的冠亚军；曾担任T-PAMI, CVPR等本领域主流期刊/会议的审稿人。其研究领域涉及计算机视觉和多媒体分析，主要包括：多标签分类，物体检测，语义分割，弱监督/半监督学习，多模态数据分析等。