第十六屆歐洲計算機視覺會議 (European Conference on Computer Vision) 將於2020年8月23-28日通過線上舉行。該會議是計算機視覺三大頂級會議之一，代表著熱門科研領域的最前沿，具有廣泛而深遠的國際影響力。作為計算機視覺領域國際頂級會議，ECCV對論文質量有較高要求，本屆ECCV會議從5025篇有效投稿中最終錄用論文1361篇，錄用率僅為27%，因此在該會議發表論文表達了對作者工作的高度肯定。
今年，西安電子科技大學電子工程學院梁繼民教授指導的博士生牛闖的研究論文《GATCluster: Self-Supervised Gaussian-Attention Network for Image Clustering》被計算機視覺頂級會議ECCV錄用，該研究屬於無監督學習或自監督學習領域。
圖領獎獲得者以及深度學習先驅Geoffrey Hinton和Yann Lecun曾在多次演講中表示，目前深度學習大多數面臨的問題都來自有監督學習，而無監督學習或者自監督學習是人工智能的未來。
無監督學習已成為當前深度學習研究的熱門領域之一，其中複雜自然圖像的無監督聚類或無監督分類是無監督學習領域中最具挑戰的問題之一。由於沒有人工標記指導模型訓練，如何優化模型使其能夠提取出圖像的語義特徵，以及如何避免聚類過程陷入簡單解是無監督聚類任務在理論上面臨的主要挑戰；此外，無監督聚類通常需要在一大組圖像數據上進行統計分析，如何處理大尺寸圖像是無監督聚類任務主要面臨的技術挑戰。
圖1 (a) 標籤特徵定理；(b) 神經網絡模型架構；(c) 自監督學習算法
針對上述問題，此次研究提出了標籤特徵定理，從理論上證明了如何避免簡單解，並設計了無監督注意力機制來提取以局部物體為導向的語義特徵，這也是第一個將注意力機制與無監督學習結合的工作；從技術上，本研究提出了針對無監督聚類任務的自監督學習算法，具有顯著的內存高效性，能夠處理現代數據集（如ImageNet）中的大尺寸自然圖像。圖1(a)~(c)分別展示了本研究提出的標籤理論，整體模型結構，以及自監督學習算法。
大量的實驗結果表明本研究提出的方法極大提高了聚類的準確率，如在STL10數據上比現有最好方法在三個常用聚類性能指標上分別提高了8%，7%和10%。另外，本研究提出的無監督聚類方法在聚類的同時，還能給出局部語義物體的定位（如圖2所示），從而使該神經網絡模型具有更好的可解釋性。
圖2 GATCluster在實現無監督聚類的同時能夠實現局部物體的定位，具有良好的可解釋性
延伸閱讀：
梁繼民，西安電子科技大學電子工程學院教授。主要從事模式識別、圖像分析和醫學成像領域的研究。現任陝西生物醫學工程學會副理事長，中國電子學會高級會員，中國圖象圖形學學會醫學影像專業委員會委員，IEEE和SPIE會員。主持/完成國家自然基金企業創新發展聯合基金重點項目、國家自然科學基金重大項目課題、國家自然科學基金面上項目、教育部聯合基金重點項目、國家973計劃項目子課題、國家科技支撐項目子課題等20餘項。在國際學術期刊發表SCI檢索論文150多篇，撰寫英文學術專著章節3篇，獲授權國家發明專利40餘項、美國專利1項；獲2012年國家技術發明獎二等獎（第三完成人）、2010年教育部科技進步獎二等獎（第一完成人），2016年入選陝西省中青年科技創新領軍人才。
歡迎關注"西電招生辦"，獲取更多精彩資訊！
素材來源：西安電子科技大學本科招生網、西安電子科技大學西安電子科技大學官網
