PDF《2018 年第 9 期 总第 95 期》

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%. 这三项研究成果获得 NIPS 的录用,标志着 我校信息学科在机器学习和人工智能研究 领域取得了进一步的突破.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%.这三项研究 成果获得 NIPS 的录用,标志着我校信息学 科在机器学习和人工智能研究领域取得了 进一步的突破. 校内动态

03 母校荣誉 第一项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 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. 第三项成果来自于大连理工大学-立命 馆大学国际信息与软件学院罗钟铉教授、樊 鑫教授和刘日升副教授团队,并由博士生程 世超、硕士生马龙和本科生刘小坤共同合作 完成的这一研究工作.该论文利用数据驱动 优化理论,提出了一个种全新的基于深度网 络结构的优化新框架.本方法以协作的方式 弥合传统非凸模型优化和深度网络之间的 鸿沟.一方面,本文给出的框架首先提供了 一种数据驱动的非凸优化模型求解算法,并 对算法的数值性质进行了理论分析.另一方 面,通过放松约束和执行端到端训练,本文 还开发了基于这一策略,整合领域知识(表 示为模型)和数据分布(通过网络学习)的 协同学习新框架.理论分析和在大量视觉问 题中的应用充分验证了该方法的有效性. 校内动态