近日，实验室博士生孙皓亮一篇论文“Learning Deep Match Kernels for Image-Set Classification”被CVPR2017会议录用。这是我院首次在CVPR发表论文。               
        图像集分类在计算机视觉多角度物体识别、视频监控分析和动态场景识别领域具有广泛应用。该论文提出一个通用的基于深度匹配核的方法来直接匹配两个图像集。两个图像集的图像个体通过arc-cosine核函数来描述其相似度，该核函数可以模拟深度神经网络计算，具有很强的表达能力。同时，我们提出anchor的模板概念来提高核矩阵的判别能力，具体来说，多个anchor产生多个匹配核矩阵，通过kernel alignment的方式学习，并能提高核函数的判别能力。          
        CVPR由IEEE计算机协会主办，是全球范围内计算机视觉和模式是该领域三大顶尖和权威学术会议之一（在CCF列表中属于A类）。CVPR2017将于2017年7月下旬在美国夏威夷州，檀香山市举行。