近日美國(guó)夏威夷刮起了“阿里旋風(fēng)”。繼淘寶的“拍立淘”讓外國(guó)工程師大呼好用之后，又傳來(lái)阿里巴巴人工智能實(shí)驗(yàn)室共有三篇論文入選 CVPR 2017 的好消息。

CVPR被譽(yù)為科技界中的“春晚”，是近十年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域全球最有影響力、內(nèi)容最全面的頂級(jí)學(xué)術(shù)會(huì)議，由全球最大的非營(yíng)利性專(zhuān)業(yè)技術(shù)學(xué)會(huì)IEEE（電氣和電子工程師協(xié)會(huì)）主辦。2017谷歌學(xué)術(shù)指標(biāo)（Google Scholar）按論文引用率排名， CVPR位列計(jì)算機(jī)視覺(jué)領(lǐng)域榜首。據(jù)CVPR評(píng)委會(huì)披露，今年CVPR審核了2620篇文章，最終收錄783篇，錄取率為29%。

阿里巴巴人工智能實(shí)驗(yàn)室此次入選的三篇論文均有杰出科學(xué)家王剛的深度參與，分別針對(duì)深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)所涉及的上下文模擬、場(chǎng)景分割、行為理解等問(wèn)題提出了解決辦法。 王剛向記者表示，“這三篇論文都來(lái)自于深度學(xué)習(xí)中的應(yīng)用場(chǎng)景，未來(lái)或?qū)⑼ㄟ^(guò)人工智能實(shí)驗(yàn)室進(jìn)行落地，例如運(yùn)用到家庭安全監(jiān)測(cè)場(chǎng)景中”。

王剛于2017年3月加入阿里巴巴人工智能實(shí)驗(yàn)室，擔(dān)任杰出科學(xué)家，負(fù)責(zé)機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)和自然語(yǔ)言理解的研發(fā)工作。他此前曾是南洋理工大學(xué)的終身教授，同時(shí)也是人工智能領(lǐng)域最頂尖雜志IEEE Transactions on Pattern Analysis and Machine Intelligence的編委 (Associate Editor)，曾多次受邀成為人工智能頂級(jí)學(xué)術(shù)會(huì)議如International Conference on Computer Vision的領(lǐng)域主席，在深度學(xué)習(xí)算法領(lǐng)域具有深厚的研究積累和國(guó)際權(quán)威。2016年，他還因在深度神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)上的卓越貢獻(xiàn)，成為當(dāng)年《麻省理工技術(shù)評(píng)論雜志》評(píng)選出的10名亞洲區(qū)35歲以下青年創(chuàng)新獎(jiǎng)得主之一。

以下是對(duì)三篇論文的解讀

1. Deep Level Sets for Salient Object Detection

結(jié)合深度網(wǎng)絡(luò)的水平集方法在顯著性目標(biāo)檢測(cè)中的應(yīng)用

簡(jiǎn)介：

如圖，a是輸入圖像，b是對(duì)應(yīng)saliency區(qū)域的ground truth，c、d對(duì)應(yīng)使用BCE loss訓(xùn)練的深度網(wǎng)絡(luò)和使用水平集方法的效果，e對(duì)應(yīng)論文的方法；可以看到e在分割細(xì)節(jié)方面和ground truth最為接近，效果更好，在細(xì)節(jié)方面提升明顯。

顯著性目標(biāo)檢測(cè)能夠幫助計(jì)算機(jī)發(fā)現(xiàn)圖片中最吸引人注意的區(qū)域，有效的圖像分割和圖像的語(yǔ)意屬性對(duì)顯著性目標(biāo)檢測(cè)非常重要。由南洋理工大學(xué)和阿里巴巴人工智能實(shí)驗(yàn)室合作，共同提出了一種結(jié)合深度網(wǎng)絡(luò)的水平集方法，將分割信息和語(yǔ)意信息進(jìn)行結(jié)合，獲得了很好的效果。水平集方法是處理封閉運(yùn)動(dòng)界面隨時(shí)間演化過(guò)程中幾何拓?fù)渥兓挠行У挠?jì)算工具，后來(lái)被用到圖像分割算法當(dāng)中。深度學(xué)習(xí)能夠很好的建模顯著性目標(biāo)的語(yǔ)意屬性，進(jìn)而進(jìn)行顯著性目標(biāo)檢測(cè)，但更多的語(yǔ)意屬性信息導(dǎo)致分割邊界的低層信息不準(zhǔn)確。論文巧妙的結(jié)合了深度網(wǎng)絡(luò)和水平集方法（Deep Level Sets），同時(shí)利用圖片低層的邊界信息以及高層的語(yǔ)意信息，在顯著性目標(biāo)檢測(cè)領(lǐng)域獲得了state-of-art的效果。

2. Global Context-Aware Attention LSTM Networks for 3D Action Recognition

將全局上下文注意力機(jī)制引入長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)的3D動(dòng)作識(shí)別

簡(jiǎn)介： 

如圖，3D動(dòng)作識(shí)別能夠幫助計(jì)算及更好的理解人體動(dòng)作（最左側(cè)的文字），未來(lái)可以作為人機(jī)交互的一種補(bǔ)充。

3D動(dòng)作識(shí)別能夠幫助計(jì)算機(jī)更好的分析人的動(dòng)作以及為多樣化的人機(jī)交互提供更多的選擇。一個(gè)好的3D動(dòng)作識(shí)別系統(tǒng)需要很好的處理動(dòng)作在時(shí)間（動(dòng)作需要一定時(shí)延）、空間（結(jié)構(gòu)）上的信息。LSTM（長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)）能夠很好的建模動(dòng)態(tài)的、相互依賴的時(shí)間序列數(shù)據(jù)（如人的3D動(dòng)作序列），注意力機(jī)制能夠更有效的獲取數(shù)據(jù)中的結(jié)構(gòu)信息，并排除掉噪聲的干擾。由南洋理工大學(xué)、北京大學(xué)、阿里巴巴人工智能實(shí)驗(yàn)室合作，論文結(jié)合LSTM和上下文注意力機(jī)制，提出了一種新的LSTM網(wǎng)絡(luò)：GCA-LSTM（Global Context-Aware Attention LSTM）；用來(lái)建模動(dòng)作序列中有效的全局上下文信息（時(shí)間信息+空間信息），進(jìn)而進(jìn)行3D動(dòng)作識(shí)別。同時(shí)，論文為GCA-LSTM網(wǎng)絡(luò)提出了一種循環(huán)注意力機(jī)制來(lái)迭代提升注意力模型的效果。論文方法在3個(gè)主流的3D動(dòng)作識(shí)別數(shù)據(jù)集上都達(dá)到了state-of-art的效果。

3. Episodic CAMN: Contextual Attention-based Memory Networks With Iterative Feedback For Scene Labeling

引入迭代反饋的上下文注意力機(jī)制記憶網(wǎng)絡(luò)在場(chǎng)景分割中的應(yīng)用

簡(jiǎn)介：

如圖，這是場(chǎng)景分隔在自動(dòng)駕駛中的應(yīng)用，通過(guò)對(duì)路面場(chǎng)景進(jìn)行分割，可以幫助無(wú)人車(chē)分析那部分區(qū)域是可行駛區(qū)域（如圖粉紅色部分）。

場(chǎng)景分割有著廣闊的應(yīng)用前景，比如自動(dòng)駕駛汽車(chē)通過(guò)場(chǎng)景分割獲取可行駛區(qū)域，比如室內(nèi)機(jī)器人通過(guò)場(chǎng)景分割獲知室內(nèi)物體的分布。場(chǎng)景分割對(duì)待分割區(qū)域周?chē)膮^(qū)域以及全局信息有較強(qiáng)的依賴關(guān)系，但這種依賴關(guān)系是動(dòng)態(tài)變化的（即使同一區(qū)域在不同的場(chǎng)景中對(duì)周?chē)畔⒌囊蕾囀遣煌模虼藙?dòng)態(tài)的獲知不同區(qū)域的依賴關(guān)系以及圖像全局上下文特征的使用至關(guān)重要。由南洋理工大學(xué)，伊利諾伊大學(xué)厄巴納-香檳分校，阿里巴巴人工智能實(shí)驗(yàn)室合作，論文通過(guò)一個(gè)可學(xué)習(xí)的注意力機(jī)制網(wǎng)絡(luò)來(lái)刻畫(huà)不同區(qū)域之間的依賴關(guān)系，并獲取包含上下文信息的特征。進(jìn)一步，論文通過(guò)引入迭代反饋的方式對(duì)注意力機(jī)制網(wǎng)絡(luò)的輸出進(jìn)行調(diào)節(jié)，以獲得更好的包含上下文的特征。上述方法在場(chǎng)景分隔任務(wù)中獲得了和當(dāng)前state-of-art算法相當(dāng)?shù)男Ч?/p>

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。