热烈祝贺中心的科研工作再创佳绩

  • 发布于 2021-05-06
  • 21830

我中心的两项科研工作:“Multi-view Feature Augmentation with Adaptive Class Activation Mapping” (高翔, 田英杰,齐志泉),“Two-stage Training for Learning from Label Proportions”(刘佳斌,汪波,沈欣,齐志泉,田英杰),被人工智能领域的顶级会议IJCAI 2021接收。在4204篇投稿论文中,仅有587篇论文被录取,论文接收率低至13.9%。

IJCAI 全称为国际人工智能联合会议(International Joint Conference on Artificial Intelligence),是人工智能领域中最主要的学术会议之一。在中国计算机学会的国际学术会议排名中,IJCAI为人工智能领域的A类会议 。

论文“Multi-view Feature Augmentation with Adaptive Class Activation Mapping”改造了传统的神经网络类激活图,提出了一个无标签依赖的自适应类激活图,并以此为基础构建了一个轻量化的、可端到端训练的特征增强模块,来辅助图像分类任务。该模块以极低的计算开销,将注意力机制、数据增强、多视角学习、集成学习融入了神经网络中,在同等网络规模下,显著提高了模型性能,并适用于不同的学习范式和损失函数,为模型鲁棒性的提升开创了新的研究思路。

论文“Two-stage Training for Learning from Label Proportions” 提出了一种基于最优传输理论(Optimal Transport)的伪标签生成机制,通过对原始提供的比例信息和网络的输出进行最优传输求解,产生一个高精度的伪标签,然后将此伪标签应用于比例标签学习的第二阶段训练。通过这个两阶段的训练机制可以显著的提升原有的基于KL散度构建的模型的性能。为比例标签学习开创了一个新的训练思路。

向他们表示热烈的祝贺!