首页 > 院系动态 > 正文 >

首页

我系于人工智能领域发表多项重要研究成果

创建人: 创建时间:2021-05-19 15:41点击数:

近日,我系于人工智能领域顶级会议IJCAI 20212021 International Joint Conference on Artificial Intelligence)上发表多项重要研究成果:

1Tracklet Proposal Network for Multi-Object Tracking on Point Clouds

本文的第一作者是信息学院人工智能系2018级硕士生吴海,通讯作者是信息学院人工智能系温程璐副教授。本文提出了首个用于点云多目标跟踪的踪片候选网络(Tracklet proposal Convolutional Neural Network for Point Clouds,简称PC-TCNN)。该网络创新性地采用踪片候选生成,细化与关联策略,充分利用了目标在点云序列中的时空特征一致性约束,有效降低了多目标跟踪中的目标漏检率、错配率。该方法在KITTI数据集多目标跟踪榜单上的跟踪精度达91.75%,名列第一。


95FF6

30FC4

2Text-based Person Search via Multi-Granularity Embedding Learning

本文的第一作者是信息学院人工智能系2018级博士生王成济,信息学院信息与通信工程博士后流动站罗志明博士与信息学院人工智能系李绍滋教授是本文的共同通讯作者。本文提出一种多粒度的基于文本的行人检索算法,该算法首次将特征金字塔引入到图文检索任务中。通过引入特征金字塔,模型能够提取到多粒度的行人表示并能够实现在不同粒度上对齐图像与文本的特征,从而取得显著的性能提升。本文在公开的基于文本的行人检索数据集和多个细粒度图文检索数据集上取得了最优性能,充分证明了该方法的有效性和通用性。

28F10

3A Multi-Constraint Similarity Learning with Adaptive Weighting for Visible-Thermal Person Re-Identification

本文的第一作者是信息学院人工智能系2019级博士生凌永国,信息学院信息与通信工程博士后流动站罗志明博士与信息学院人工智能系李绍滋教授是本文的共同通讯作者。本文提出了一种针对可视图像与热感图像的跨模态行人重识别的多约束相似性学习方法MC。该方法同时考虑了三种不同的跨模态间的关系(样本到样本、中心到样本和中心到中心)对模态间的相似性进行优化,同时我们设计一种自适应权重损失函数来更高效的实现MC。论文方法在两个跨模态行人重识别基准数据集上取得了当前最优性能。

A1AB5

        IJCAI是人工智能领域的顶级会议,被中国计算机学会(CCF)认定为A类会议。据了解,IJCAI 2021此次共收到4204篇有效投稿,最终共有587篇论文被录用,总录用率为13.9%