4月20日，CCF A類人工智能國際頂級(jí)學(xué)術(shù)會(huì)議International Joint Conference on Artificial Intelligence (IJCAI 2020)發(fā)來通知，我校信息科學(xué)技術(shù)學(xué)院付先平教授團(tuán)隊(duì)完成的關(guān)于無監(jiān)督車輛再識(shí)別論文“Unsupervised Vehicle Re-identification with Progressive Adaptation”被該會(huì)議錄用，該論文由付先平教授，彭錦佳博士，王輝兵老師合作完成。IJCAI是人工智能領(lǐng)域最重要的國際頂級(jí)學(xué)術(shù)會(huì)議，也是中國計(jì)算機(jī)學(xué)會(huì)（CCF）推薦的A類會(huì)議，具有極大的影響力，代表人工智能領(lǐng)域的最高水平和發(fā)展方向，據(jù)悉IJCAI 2020錄用率僅為12.6%，是我校首次以第一單位在IJCAI上發(fā)表論文，這標(biāo)志著我校在人工智能領(lǐng)域研究取得突破性進(jìn)展，得到了國際同行的認(rèn)可。
該論文針對(duì)當(dāng)前智慧城市建設(shè)過程中的無監(jiān)督車輛再識(shí)別問題，通過學(xué)習(xí)大量無標(biāo)記車輛圖像背景、風(fēng)格等信息，將已標(biāo)記的車輛圖像使用CycleGAN進(jìn)行風(fēng)格轉(zhuǎn)換，以訓(xùn)練車輛特征提取網(wǎng)絡(luò)，通過提出一種漸進(jìn)式迭代框架(Progressive Adaptation框架)，結(jié)合DBSCAN聚類為無標(biāo)簽車輛圖像分配恰當(dāng)?shù)臉?biāo)簽，最終完成無監(jiān)督車輛再識(shí)別這一難題。所提出方法在VehicleID、VeRi-776等國際標(biāo)準(zhǔn)車輛再識(shí)別數(shù)據(jù)庫上取的當(dāng)前最佳的無監(jiān)督再識(shí)別性能。
English
最新動(dòng)態(tài)