邸新漢在ICCV現(xiàn)場(chǎng)

在ICCV2017《 CEFRL:Compact and Efficient Feature Representation and Learning in Computer Vision 》專題報(bào)告會(huì)上，邸新漢出席并參與討論了前沿緊湊有效特征的發(fā)展和成果，其中討論的研究范圍包括人工智能Ai的深度特征、監(jiān)督和半監(jiān)督特征等。該討論會(huì)特邀嘉賓包括Yoshua Bengio、Pascal Fua教授等深度學(xué)習(xí)AI界著名科學(xué)家。

邸新漢的兩篇論文核心論述了提高半監(jiān)督分類的準(zhǔn)確率、提高生成圖片質(zhì)量和多樣性的技術(shù)方法。該方法應(yīng)用在網(wǎng)易云安全(易盾)“內(nèi)容安全”產(chǎn)品線中廣告、色情、暴恐、涉政等圖像識(shí)別上，不僅顯著提升了準(zhǔn)確率，并且在訓(xùn)練圖像搜集數(shù)據(jù)量較少的情況下，進(jìn)一步提高了圖像分類的準(zhǔn)確率和召回率。同時(shí)利用GAN-Boost方法，擴(kuò)大了難收集的圖像在圖像訓(xùn)練庫的數(shù)量并提高了圖像質(zhì)量，為產(chǎn)品在數(shù)據(jù)庫收集方面降低了成本。

　　邸新漢兩篇入選論文成果在ICCV展示亮相

論文中，結(jié)合信息熵和GAN網(wǎng)絡(luò)，對(duì)抗GAN網(wǎng)絡(luò)的輸入不確定度在信息熵的理論框架下提出兩個(gè)假設(shè)，并且在GAN網(wǎng)絡(luò)的框架下利用信息熵及噪聲通道原理，提出Multiplicative噪聲通道和GAN-Boost訓(xùn)練方法，證明所提出的兩個(gè)方法降低了通用GAN網(wǎng)絡(luò)信息的損失，和提高GAN網(wǎng)絡(luò)利用訓(xùn)練數(shù)據(jù)集信息的效率，并且通過實(shí)驗(yàn)對(duì)比證實(shí)，其提高GAN網(wǎng)絡(luò)圖象半監(jiān)督分類的準(zhǔn)確率，增強(qiáng)了GAN網(wǎng)絡(luò)訓(xùn)練小數(shù)據(jù)集后圖像的質(zhì)量和多樣性。

網(wǎng)易云安全(易盾)在業(yè)界率先推出第三代智能內(nèi)容安全產(chǎn)品，目前在智能鑒黃、廣告過濾、暴恐及涉政識(shí)別等不良內(nèi)容識(shí)別領(lǐng)域已經(jīng)處于業(yè)界領(lǐng)先。網(wǎng)易云安全不斷投入研發(fā)資源提升智能識(shí)別精準(zhǔn)度，已在網(wǎng)易云音樂、一直播、OPPO應(yīng)用商店等知名產(chǎn)品中廣泛應(yīng)用。

songjy