丁兴号教授课题组多篇论文被人工智能相关国际顶级学术会议及期刊录用
发布人:cezhuyiuac  发布时间:2019-08-21   浏览次数:3535

近日,信息学院信息与通信工程系丁兴号教授课题组7篇论文被人工智能相关国际TOP期刊和会议录用,论文主要关注人工智能在计算机视觉和医学影像分析领域应用。

由博士生傅雪阳、硕士生梁柏荣合作完成的论文“Lightweight Pyramid Networks for Image Deraining”被 IEEE Trans. on Neural Network and Learning Systems(JCR1区,IF11.68)接收。论文延续课题组在图像去雨领域的领先优势,利用图像处理领域知识提出将图像金字塔分解等经典图像处理技术与深度学习有机融合,有效解决现有深度学习去雨模型参数量过大,所构建的模型是国际上第一个参数量少于1万的深度学习去雨模型,使得深度学习去雨模型可以应用于计算、存储等资源受限应用场合。

由博士生孙立言、硕士生樊志文合作完成的论文“A Deep Information Sharing Network for Multi-contrast Compressed Sensing MRI Reconstruction”被IEEE Trans. on Image Processing(CCF A类,IF6.79)接收。论文首次提出一种信息共享深度学习模型用于解决多对比度磁共振成像压缩感知重建问题,该模型可以有效利用不同对比度磁共振影像之间的相关性,以在保证成像质量的前提下大幅度提高磁共振成像速度。

由丁兴号教授,黄悦副教授共同指导,硕士生陈超奇、谢伟平完成的“Progressive Feature Alignment for Unsupervised Domain Adaptation”(主要关注无监督域自适应学习问题),硕士生梁柏荣完成的“Look More Than Once: An Accurate Detector for Text of Arbitrary Shapes”(主要解决任意形状字符检测问题)和博士生傅雪阳完成的“A Variation Pan-Sharpening with Local Gradient Constraints”(主要解决遥感图像Pan-sharpening问题)3篇论文发表在计算机视觉和模式识别领域国际顶级会议IEEE CVPR2019。

由博士生孙立言,硕士生樊志文合作完成的论文“Joint CS-MRI Reconstruction and Segmentation with a Unified Deep Network”发表在IPMI2019(医学图像分析领域顶会)。论文首次将压缩感知重建与分割两个不同层次的视觉任务统一在一个深度学习框架下完成,使得不同层次的视觉任务间可以互享信息,从而提高各自任务的性能。这是信息学院首次在IPMI发表论文。

由硕士生马文骜完成的论文“Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation andArtery/Vein Classification”被2019年Medical Image Computing and Computer Assisted Intervention(MICCAI)接收。论文提出了一种利用空间加权的多任务深度学习网络,可以在视网膜眼底图像上实现同时将血管以及动静脉分割出来。特别地,论文在网络的输出端设计了一种利用高斯函数的空间激活模块,利用血管分割这样一个较为容易的任务,来指导更为复杂的动静脉分类。论文由丁兴号教授与腾讯优图实验室郑冶枫博士共同指导。