Bayesian Detector Combination for Object Detection with Crowdsourced Annotations

报告题目：

Bayesian Detector Combination for Object Detection with Crowdsourced Annotations

报告时间：

2025年8月15号下午1:30

报告地点：

人工智能与计算机学院B240会议室

报告摘要：

Acquiring fine-grained object detection annotations in unconstrained images is time-consuming, expensive, and prone to noise, especially in crowdsourcing scenarios. To address these algorithmic limitations and evaluation inconsistency, I will discuss a Bayesian Detector Combination (BDC) framework to more effectively train object detectors with noisy crowdsourced annotations, with the unique ability of automatically inferring the annotators’ label qualities. Unlike previous approaches, BDC is model-agnostic, requires no prior knowledge of the annotators’ skill level, and seamlessly integrates with existing object detection models. Extensive experiments on both real and synthetic crowdsourced datasets show that BDC outperforms existing state-of-the-art methods, demonstrating its superiority in leveraging crowdsourced data for object detection.

主讲人：

李云鹏博士是伦敦国王学院人工智能与数字口腔健康副教授。他领导国王学院转化人工智能研究实验室，建立了英国第一个牙科人工智能研究组。他的研究包括从概率的角度如何使深度学习算法更可信，以及人工智能在医疗和环境监测的应用，涵盖了从基础研究到落地转化的全链条。他领导的在研项目收到了英国卫生和社会福利部，英国自然环境研究署，和英国皇家工程院超过200万英镑的资助。他的论文在TSP, TMC, ICLR, NeurIPS, ECCV等国际知名期刊和会议发表。他于2017年在加拿大麦吉尔大学电子工程系获得博士学位，2017-2018年在牛津大学工程与科学系机器学习方向博士后，2018年获得牛津大学Wolfson学院初级研究员，2018-2024年在英国萨里大学计算机系作为讲师，高级讲师，2024年加入伦敦国王学院。