课题组三篇文章被 CCF A 类会议 IJCAI 录用

  • 2019年05月17日
  • 我组以博士研究生张亦澎同学、硕士生马嘉祺同学以及本科生王宁同学为第一作者的三篇论文被人工智能领域顶级会议 IJCAI 2019 录用。

    国际人工智能联合大会IJCAI (International Joint Conference on Artificial Intelligence)始于1969年,每两年一次(2016年起一年一次),涵盖了自然语言处理、机器学习、人工智能理论与架构、机器人科学等领域。会议具有很高的学术水平和影响力,受到学术界和产业界的高度关注,因此IJCAI和ICCV、CVPR、ICML、AAAI等会议被中国计算机学会(CCF)认定为A类会议。

    2019级博士研究生张亦澎同学的“Accelerated Inference Framework of the Sparse Neural Network Based on Nested-Bitmask Structure”[1],通过分析近年来流行的剪枝后的稀疏神经网络,结合详细的理论推导,提出了一种双层位掩码嵌套的模型,在高度稀疏的程度下,在全连接层上可以超越优化好的流水线结构,而且对分块模型的大小选择提供了预测和建议。并且在以Xilinx FPGA为代表的SoC上,得到了实验验证,证明了算法的可行性。

    2018级硕士生马嘉祺同学的“Pseudo Supervised Matrix Factorization in Discriminative Subspace”[2],提出了一种新的基于流形约束和线性判别分析的矩阵分解聚类算法。其结合线性判别分析在无监督的非负矩阵分解模型中加入了低维子空间判别信息,可以更好得捕捉原始数据的内部结构。同时从流形学习的角度考虑,在目标函数中加入了伪监督信息指导的流形正则化项和低维数据图流形正则化项,挖掘了原始数据的低维几何结构。针对非凸的目标函数,提出一种基于ALM的优化求解算法。实验结果表明,该算法能够有效提升聚类效果,且有很好的收敛性。

    本科生王宁同学的” MUSICAL: Multi-Scale Image Contextual Attention Learning for Inpainting”[3],提出了一种新的基于深度学习的多尺度图像补绘算法。生成器部分对U-Net结构做了部分改进,并引入一个多尺度的上下文注意力模块,来灵活处理丰富的背景信息,避免信息滥用/误用导致的纹理模糊等问题。并且损失函数部分联合了风格损失、感知损失、对抗损失等多种损失,来保证补绘内容的一致性和清晰水平。实验证明该算法能够有效生成补绘内容。

    [1] Y. Zhang, B. Du, L. Zhang, R. Li, Y. Dou, . "Accelerated Inference Framework of the Sparse Neural Network Based on Nested-Bitmask Structure." IJCAI. 2019.

    [2] J. Ma, Y. Zhang, L. Zhang*, B. Du, D. Tao. “Pseudo Supervised Matrix Factorization in Discriminative Subspace” IJCAI. 2019.

    [3] N. Wang, J. Li, L. Zhang, B. Du, C. Wang. “MUSICAL: Multi-Scale Image Contextual Attention Learning for Inpainting” IJCAI. 2019