当前位置: 电信首页 >> 学部概况 >> 学部新闻 >> 正文

电信学部两项成果被机器学习领域顶级会议NIPS录用

时间: 2018/09/08 11:04:54    点击: 

近日,电信学部两项研究成果被机器学习领域顶级会议NIPS收录。NIPS(Conference on Neural Information Processing Systems,神经信息处理系统大会)于1987 年首次召开,每年一届,迄今已有32年的历史。根据谷歌公布的2018年最新版学术指标(Google Scholar Metrics,GSM)榜单,NIPS在人工智能类目中位列第一,h5指数134。同时,NIPS也被中国计算机学会CCF推荐国际学术会议列表认定为A类会议。NIPS大会在国内外机器学习和人工智能研究领域都有着极高的声望和广阔的影响力。本次NIPS大会共收到创纪录的4856篇论文投稿,最终录用1011篇,录取率仅为20.8%。这两项研究成果获得NIPS的录用,标志着大工电信学部在机器学习和人工智能研究领域取得了进一步的突破。


54A42 286C

Active Matting效果图


录用论文简介:

第一项研究成果来自大连理工大学人工智能研究中心的尹宝才教授和杨鑫副教授团队,参与者包括博士生许可和硕士生陈少喆等。论文 “Active Matting”旨在解决当前数字抠图(digital image matting)领域普遍存在的要求大量人工标注作为辅助输入信息这一难点问题,创新地提出了一个基于增强学习的交互式主动抠图框架,引导用户在“最有信息量”的区域给出标签,完成抠图任务。该框架彻底使抠图过程摆脱了逐像素标注的繁杂的预处理过程,让用户在轻松的交互过程中高效的完成抠图任务。同时,实验结果表明,在最终抠图结果质量相当的条件下,借助本框架的方法相较传统的依赖人工标注辅助信息的方法时间上减少三分之二。该项技术在图片编辑、三维对象建模、在线直播、电影制作等领域中具有非常重要的商业价值和应用。


第二项成果来自于大连理工大学信息与通信工程学院李培华教授团队,参与者包括博士生王旗龙和硕士生高子淋等。在录用论文Gated Mixture of Second-order Pooling for Improving Deep Convolutional Neural Networks中,首次尝试在深度卷积神经网络中以端到端的方式建模复杂的多模态混合概率分布。论文通过门限子网络在参数化的候选二阶统计组件模型中自动选择多个组件,大大提高了深度卷积网络模型的学习能力,同时具有较高的计算效率。这项工作是该团队系列工作的一个推进:在前期发表于CVPR/ICCV/TPAMI的工作中,系统地研究了在深层卷积网络中嵌入协方差矩阵以及多变量高斯概率分布等问题。所研究的方法在视觉识别、目标检测和语义分割等任务中有重要的应用价值。

 

大连理工大学人工智能研究中心成立于2017年,是学校专门设立的面向人工智能相关领域的独立科研机构,学部尹宝才教授为该中心主任,张强教授为副主任,整合了电信学部计算机、控制、信通、生物医学等相关学科,充分发挥交叉学科优势,针对人工智能的核心理论与方法,设立类脑智能、大数据智能、机器人智能三个研究方向,研究以大数据智能、跨媒体智能、自主智能、人机混合增强智能和群体智能等为代表的新一代人工智能技术。


[打印本页]    [返回列表]

辽宁省大连理工大学电子信息与电气工程学部 版权所有

地址:中国 辽宁省大连市甘井子区凌工路2号  邮编:116024  技术支持:DoDoStudio