微信链接：

https://mp.weixin.qq.com/s?__biz=MzI1MzEzNjgxMQ==&mid=2650052577&idx=3&sn=

f8f3c7f490341b7f43fc3bf422628e3a&chksm=f1d92d25c6aea433474d14029f4109762f8

7ef22619f40183bf6700a5af8c5522c7e6aa8a5d7&token=711657153&lang=zh_CN#rd

期刊链接：

https://www.mdpi.com/journal/applsci

研究背景

智能视觉系统聚焦图像视频等可视媒体的处理与语义解析，是自动驾驶、缺陷检测、辅助诊疗等众多可视媒体应用的关键与核心，并受到学术界与工业界的广泛关注。尽管当前基于深度学习的智能视觉系统研究已取得显著进步，但受限于实际场景中的图像视频失真退化、计算存储资源有限以及标注样本不足等因素影响，如何构建鲁棒的智能视觉系统仍是一个巨大的挑战。近年来，各种新兴机器学习方法被相继提出，为解决上述难题提供了崭新思路与重要帮助，这些学习方法包括Transformer、元学习、图神经网络、连续学习、迁移学习、自监督学习、因果学习等。

基于此，Applied Science 邀请到电子科技大学吴庆波副教授合作创建特刊“基于学习的智能视觉系统研究前沿 (Recent Advances of Learning Based Intelligent Vision System)”。本特刊旨在为智能视觉系统研究的最新进展提供一个成果发布和共享的平台，以反映新兴机器学习方法在该领域各个方面的最新探索与发现，欢迎投稿。

客座编辑介绍

吴庆波 副教授

电子科技大学

电子科技大学副教授。主要研究领域为图像视频编码、视觉信号感知质量评价与增强，以及视觉内容解析。在本领域重要期刊与会议发表论文100余篇，其中ESI高被引论文3篇。先后荣获中国图象图形学学会自然科学二等奖、四川省科技进步二等奖、浙江省科技进步二等奖以及国家电网有限公司科技进步二等奖等多个省部级科技奖励。主持和参与国家自然科学基金重点项目、面上项目、青年基金项目等10余项。担任VALSE执行领域主席、VCIP 16领域主席、ACM MM 21分会主席以及AAAI 21、CICAI 21、APSIPA 20等多个国内外学术会议的技术与程序委员会委员。

特刊征稿信息

本特刊重点讨论如何利用新兴机器学习方法构建鲁棒的智能视觉系统。讨论主题包括但不限于：

• 图像/视频表示学习；

• 基于学习的视觉数据压缩；

• 基于学习的图像/视频质量评价；

• 基于学习的视觉数据增强；

• 基于学习的图像/视频检索；

• 基于学习的视觉目标识别；

• 基于学习的图像/视频重构；

• 基于学习的视觉目标跟踪；

• 用于先进机器学习的新型图像/视频数据集。

稿件类型：原创性研究论文、综述、交流等

特刊投稿截止日期：2022年6月20日

特刊详情页面：

https://www.mdpi.com/journal/applsci/special_issues/Recent_

Advances_Learning_based_Intelligent_Vision_System

Applied Sciences 期刊介绍

主编：Takayoshi Kobayashi, The University of Electro-Communications, Japan

期刊主题涵盖应用物理学、应用化学、工程、环境和地球科学以及应用生物学的各个方面。

2020 Impact Factor：2.679

2020 CiteScore：3.0

Time to First Decision：16 Days

Time to Publication：37 Days