为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
深度学习的主要优势之一是在大规模标注数据集上进行训练时，可以获得显著的泛化能力。深度学习模型采用多级线性和非线性变换来生成高度通用的数据表示，从而大大降低了对特征选择的依赖。且与传统的机器学习不同，卷积神经网络(CNNs)可以有效地处理高维度的原始图像数据，如红、绿、蓝(RGB)像素值，为彩色图像质量评价提供了可能。
本次报告主要介绍了几篇基于深度网络模型的图像质量评价方法的论文，如J Kim和S Bianco等人提出的模型，介绍了论文的思路及实现原理。并讨论了如何将深度网络模型应用于HDR图像质量评价，讨论了如何扩充HDR图像库，如何制作标签和如何选择模型等问题。