欢迎加入

教育培训

当前位置:首页 > 教育培训 > 详细内容

华南理工大学软件学院研究生研究成果被CCF-A顶级会议IJCAI和CVPR录用

近日,华南理工大学软件学院博士研究生闫玉光同学的研究成果被CCF-A人工智能领域国际会议IJCAI (International Joint Conference on Artificial Intelligence)录用,硕士研究生邓超睿同学的研究成果被CCF-A计算机视觉领域国际会议CVPR (Conference on Computer Vision and Pattern Recognition)录用,这标志着我院研究生的培养质量正在大幅度地提升。

“Semi-Supervised Optimal Transport for Heterogeneous Domain Adaptation”(作者:闫玉光,李文,吴汉瑞,闵华清,谭明奎*,吴庆耀*)被国际人工智能联合会议IJCAI录用。IJCAI是人工智能领域的顶级会议,被中国计算机学会评为人工智能领域的A类会议(CCF-A)。IJCAI2018收到约3470份稿件,仅接收710篇,接收率约为20%。在文章中,作者针对特征空间不同的领域自适应问题,提出了一种基于半监督学习的最优传输模型,能够将源领域中的数据传输到目标领域中,同时保持数据之间的相似关系和标签一致性,从而提升目标领域中分类问题的精度。该方法在图像和文本数据集上均取得了较好的结果。

“Visual Grounding via Accumulated Attention ”(作者:邓超睿 吴琦、胡伏原、吕凡、吴庆耀*、谭明奎*)被CVPR2018录用。CVPR是计算机视觉领域的顶级会议,被中国计算机学会列为人工智能领域的A类会议(CCF-A),有着严苛的录用标准。CVPR2018投稿数量约为4450篇,仅接收了979篇,接收率为22%。在文章中,作者提出了Accumulate Attention方法,将Visual Grounding转化为三个子问题,即1)定位查询文本中的关键单词;2)定位图片中的相关区域;3)寻找目标物体。作者对这三个子问题设计了三种Attention模块,分别从文本、图像以及候选物体三种数据中提取特征。作者在提取一种特征的过程中,将另外两种数据的特征作为辅助信息来提高特征提取的质量。Accumulate Attention方法按照循环的方式不断对这三种数据进行特征提取,使得特征的质量不断提高,分配在目标相关的数据上的attention权重不断加大,而分配在无关的噪声数据上的attention权重不断减小。文章表明Accumulate Attention方法在ReferCOCO、ReferCOCO+、ReferCOCOg以及GuessWhat?!数据集上均取得了最好的效果。