信息科学与技术学院6篇论文被人工智能领域国际顶级会议IJCAI2018录用

信息科学与技术学院6篇论文被人工智能领域国际顶级会议IJCAI2018录用

近日,人工智能领域国际顶级会议IJCAI2018公布录用结果,我校信息科学与技术学院有6篇论文入选,在国内高校名列前茅。IJCAI会议(International Joint Conference on Artificial Intelligence)是人工智能领域最重要的国际顶级学术会议,被中国计算机学会(CCF)推荐为计算机学科领域A类国际会议,始于1969年,最初每2年举行一次,从2015年开始改为每年一次。IJCAI有着严苛的录用标准,论文录用率一般在20%左右。2018年总的投稿量达3470篇,最终录取了710篇,录取率不到20.5%。信息科学与技术学院纪荣嵘教授团队率先于2015年实现厦门大学IJCAI2015论文零的突破,在2015-2018年期间,信息学院师生(含纪荣嵘教授、丁兴号教授和王程教授团队)被IJCAI录用的论文数共计9篇,这标志着信息学院在人工智能领域研究取得突破性进展,得到了国际同行的认可。此次,我校被IJCAI2018录用6篇论文简介如下:

 

计算机科学系2016级博士生刘伟权与2016级硕士研究生沈雪仑共同一作,导师王程教授为通讯作者,发表的“H-Net: Neural network for cross-domain image patch matching”的论文,提出了H-Net和H-Net++两种网络,用于匹配不同域图像块的网络。这两个网络把自动编码机结合到孪生网络中,可以很好的提取跨域图像的特征,并保留他们的域信息。在同一个场景中,不同的传感器会获取不同的域的图像,例如场景的真实图像和从其三维模型中生成的图像。由于不同域图像的底层描述不同且风格不同,存在着一个间隔,用传统的手动描述符或者传统的CNN是无法很好的匹配跨域图像块。该论文以厦门大学翔安校区的三维模型和真实图像为实验数据,通过大量的实验证明,将自动编码机融入到孪生网络中可以提高跨域图像块匹配的准确率,其中H-Net的匹配准确率超过了其它最先进的孪生网络,H-Net++在H-Net的基础进行升级,实现了提取不变的跨域块特征描述子用于检索。该论文的成果也为增强现实的虚实注册提供了一种应用。

 

智能科学系2016级博士后张声传作为第一作者,导师纪荣嵘作为通讯作者,发表的 “Robust face sketch synthesis via generative adversarial fusion of priors and parametric sigmoid”论文,提出了一种基于生成对抗融合策略的鲁棒的人脸画像合成方法,利用图像先验知识以及参数可调的激活函数使得合成算法能够对关照、姿态、背景、肤色等干扰因素鲁棒。实验结果表明该算法取得了优异的性能。

 

智能科学系2015级博士研究生林绍辉作为第一作者,导师纪荣嵘教授作为通讯作者,发表的“Accelerating convolutional networks via global & dynamic filter pruning”论文,提出了一种基于全局、动态地结构化裁剪深度网络压缩框架。近年来,结构化裁剪深度网络有着大量的工作,基本都依赖于局部、静态的方式。该方式不仅影响裁剪网络的效率,同时降低模型的判别性。该论文通过设计一种全局判别函数用于决定每个深度网络神经元的重要性,并借助于全局掩码进行临时裁剪不重要神经元,同时引入一种动态恢复误删神经元的策略。实验结果表明该算法取得了优异的加速效果。

 

智能科学系2015级硕士研究生郑侠武作为第一作者,导师纪荣嵘教授为通讯作者,发表的“Centralized ranking loss with weakly supervised localization for fine-grained object retrieval”的论文,提出了一种基于中心排序损失以及弱监督物体定位的方法用于解决细粒度视觉检索问题。近年来,细粒度视觉检索的现有方法主要是通过如何设计更好的损失函数来进行深度特征学习。然而,细粒度图像的类内误差很大,类间误差很小,传统的深度度量学习时间复杂度高,效果很差。针对这些问题,该论文提出了一种全新的中心排序损失,该损失函数比传统的三元组损失学习时间快1000倍以上。在特征学习方面,论文所提方法不仅可以学习得到更具有区分度的特征,同时实现更加精确的物体定位。

 

通信工程系2015级硕士研究生蔡淑莲作为第一作者,在曾德炉副教授(通讯作者)和丁兴号教授(团队负责人)的指导下,发表题为“MEnet: A metric expression network for salient object segmentation”的论文,提出了一种基于深度度量学习的显著性目标分割算法。该算法针对已有的显著性目标分割模型虽然在公开数据集上均已取得了较优的性能,但是大多数模型都存在显著性目标分割边缘不清晰以及鲁棒性不足的问题,如对噪声和压缩伪影敏感等。基于显著性分割全局性的考虑,文中利用编码-解码器深度网络结构提取图像的低、中、高层特征,并构建融合网络将多种特征融合,再利用网络函数逼近方式重新刻画了语义级的拓扑度量空间。该论文中所有的特征提取方式都是基于像素级,使得生成的显著性目标分割结果图的边缘更加精细,且对噪声和压缩伪影等具有更强的鲁棒性。

 

信息学院实验中心戴平阳高级工程师作为第一作者,纪荣嵘教授为通讯作者,发表的“Cross-modality person re-identification with generative adversarial training”的论文,提出了一种基于跨模态生成对抗训练的行人重识别方法,用于研究白天和夜晚不同光照条件下红外-可见光跨模态行人重识别这一具有挑战性的课题。论文通过设计一种跨模态生成对抗网络并进行端到端训练,学习得到跨模态的具有判别力的红外-可见光行人特征表示来实现行人重识别。论文所提出的方法在红外-可见光行人重识别数据集上验证了有效性,取得了当前最好的性能。

 

为落实《国务院关于印发新一代人工智能发展规划的通知》(国发〔2017〕35号),近日教育部印发《高等学校人工智能创新行动计划》(教技[2018]3号),提出三大类18项重点任务,引导高校瞄准世界科技前沿,不断提高人工智能领域科技创新、人才培养和国际合作交流等能力。厦门大学于2007年成立智能科学与技术系,在该学科方向招收与培养本、硕、博三个层次的高级人才。近期信息学院又获教育部批准自2018年起开始招生与培养“数据科学与大数据技术(工学)”专业的本科生。这次信息学院师生在IJCAR2018顶级会议录用论文的上乘表现,再次说明厦门大学在人工智能学科领域的人才培养与科研水平已经步入全国高校前列。

 

(信息科学与技术学院)

 

您正在使用低版本的浏览器(低于IE6)!
为了获得正确的显示效果,请使用Firefox或Google Chrome等标准浏览器,
或升级您的浏览器至IE 8.0!