<mark id="oztn4"></mark>
0
| 本文作者： 楊文 | 2017-08-24 13:41 |
8月12日下午，由雷鋒網(wǎng)主辦的“GAIR大講堂CVPR 上海交大專場”在上海交通大學(xué)正式開幕。作為雷鋒網(wǎng)旗下高端學(xué)術(shù)分享品牌，「GAIR大講堂」的使命是通過舉辦高頻次的線下校園學(xué)術(shù)分享活動(dòng)，實(shí)現(xiàn)學(xué)術(shù)專家、AI業(yè)者與學(xué)校同學(xué)們之間的深度交流。本次活動(dòng)，雷鋒網(wǎng)特地邀請5位CVPR 2017前方論文講者來講解各自的論文，同時(shí)分享CVPR 的參會(huì)心得。活動(dòng)現(xiàn)場當(dāng)天還有三位上海交通大學(xué)的教授前來助陣，他們分別是電子信息與電氣工程學(xué)院（下稱“電院”）副院長楊小康教授、電院特別研究員，博士生導(dǎo)師倪冰冰老師以及電院副研究員徐奕老師，他們紛紛前來為同學(xué)們的學(xué)術(shù)熱情點(diǎn)贊加油。AI科技評論作為此次活動(dòng)的合作媒體，亦全程到現(xiàn)場參與報(bào)道。
五位學(xué)術(shù)青年分別是：
MIT EECS系三年級博士生 吳佳俊
阿里巴巴人工智能實(shí)驗(yàn)室資深算法工程師 汪洋
上海交通大學(xué)研究生 楊蕊
上海交通大學(xué)研究生 林天威
上海交通大學(xué)博士生 王敏思
本次活動(dòng)主要以CVPR 2017入選論文為主題分享，也有部分嘉賓準(zhǔn)備了一些在別的國際學(xué)術(shù)會(huì)議中入選的論文做講解分享。下面就讓AI科技評論記者帶大家看看他們都做了哪些內(nèi)容分享。
活動(dòng)開始，首先是上海交通大學(xué)電子信息與電氣工程學(xué)院副院長楊小康教授做致辭。楊小康教授先是對GAIR大講堂走進(jìn)高校系列活動(dòng)表達(dá)了非常高的贊許和肯定。當(dāng)談到CVPR時(shí)，他說道：CVPR目前不光是在CS領(lǐng)域比較火，而是在整個(gè)學(xué)術(shù)界的影響力都非常大，論文要入選CVPR會(huì)議，非常難。針對目前AI全球蔓延的火熱趨勢，楊小康教授告誡同學(xué)們，除了認(rèn)真做好學(xué)術(shù)，抓住這一時(shí)代機(jī)遇外，還要擋得住外界誘惑，冷靜思考。
吳佳俊分享了一篇作者并非他本人但內(nèi)容非常有意思的論文， A Point Set Generation Network for 3D Object Reconstruction from a Single Image（用于從單張圖像中重建三維物體的點(diǎn)云生成網(wǎng)絡(luò)）
深度神經(jīng)網(wǎng)絡(luò)非常火，但是深度神經(jīng)網(wǎng)絡(luò)很多時(shí)候是做卷積神經(jīng)網(wǎng)絡(luò)，怎么用深度神經(jīng)網(wǎng)絡(luò)從單張圖片中恢復(fù)重建三維物體，是個(gè)難題。圖像是像素，在圖片上可以做到400*800，800*600，三維卻很難超過128*128*128。吳佳俊先從利用單張圖片重建三維物體的難點(diǎn)講起，再到現(xiàn)存的一些方法的弊端。現(xiàn)存的大多數(shù)方法都采取常規(guī)的三位數(shù)據(jù)表示，例如三位體素或圖像集合。而在這篇CVPR文章里，作者提出了一種新思路，試圖從單張圖像中直接生成三維點(diǎn)云坐標(biāo)，并進(jìn)行三維重建。三維點(diǎn)云具有非常高的靈活性，在物體的細(xì)節(jié)上表現(xiàn)很好，在細(xì)節(jié)表現(xiàn)上只需要增加點(diǎn)云的數(shù)量即可。論文作者針對問題設(shè)計(jì)了相應(yīng)的神經(jīng)網(wǎng)絡(luò)架構(gòu)，損失函數(shù)和學(xué)習(xí)范式。實(shí)驗(yàn)結(jié)果也證明了所提出的方法的良好性能。論文下載地址：https://arxiv.org/pdf/1612.00603.pdf
汪洋代表Ali AI Lab分享了一篇阿里人工智能實(shí)驗(yàn)室入選的論文：Contextual Attention-based Memory Networks for Scene Labeling（上下文注意力機(jī)制記憶網(wǎng)絡(luò)在場景標(biāo)記中的應(yīng)用）
場景標(biāo)注需要解決的問題是預(yù)測圖像每個(gè)像素所屬的類別，實(shí)際上它可視為一個(gè)序列到序列的預(yù)測任務(wù)。因此，如何充分利用相關(guān)上下文信息是提高標(biāo)注效果的關(guān)鍵所在。阿里人工智能實(shí)驗(yàn)室入選的這篇CVPR論文提出了一種Episodic CAMN方法，并在該方法的基礎(chǔ)上定義了一種由全卷積神經(jīng)網(wǎng)絡(luò)（Fully Connected Network，F(xiàn)CN）和帶有反饋連接的注意力機(jī)制記憶網(wǎng)絡(luò)（Attention-based Memory Network with Feedback Connections）構(gòu)成的統(tǒng)一框架來實(shí)現(xiàn)上下文信息的選擇和調(diào)整。在PASCAL Context，SIFT Flow和PASCAL VOC 2011等場景標(biāo)注數(shù)據(jù)集上進(jìn)行一系列評測，取得了不錯(cuò)的效果。
楊蕊同學(xué)分享的是今年她作為第一作者入選CVPR 2017的論文：Video Segmentation via Multiple Granularity Analysis（基于多粒度分析的視頻分割），她在活動(dòng)上介紹自己很多靈感都是來源于吳佳俊同學(xué)發(fā)表的論文，并且針對論文內(nèi)容的細(xì)節(jié)問題，兩人還做了一定的探討。
楊蕊從視頻目標(biāo)分割的定義開始講解，視頻目標(biāo)分割是講視頻中的目標(biāo)物體在每一幀中從背景中沿物體輪廓進(jìn)行像素級別分割，采用一個(gè)多粒度框架可以通過從粗到細(xì)的方式對視頻進(jìn)行精準(zhǔn)分割。本質(zhì)是圖像分割與視頻跟蹤任務(wù)的結(jié)合。視頻分割可以被理解為一個(gè)時(shí)序上的超像素打標(biāo)過程，在精準(zhǔn)的視頻跟蹤技術(shù)的幫助下，時(shí)空上的多實(shí)例學(xué)習(xí)算法可以將超像素進(jìn)行二分類，并緊接著用圖割的方式在像素級別進(jìn)行細(xì)化，最終實(shí)現(xiàn)準(zhǔn)確的分割。同時(shí)她也講了視頻目標(biāo)分割傳統(tǒng)方法，以及新方法遇到的挑戰(zhàn)，比如視頻模糊，有遮擋，形變，和光照等因素影響。
林天威分享的是一篇投稿在ACM Multimedia 2017的論文：Single Shot Temporal Action Detection（基于時(shí)序卷積網(wǎng)絡(luò)的視頻動(dòng)作檢測方法），并且利用該論文中提到的方法獲得CVPR舉辦的ActivityNet Challenge 2017兩項(xiàng)冠軍。
林天威首先對視頻分類和圖像分類做了一個(gè)大致的對比。圖像中分類的目的是給圖片標(biāo)簽，不僅要給出目標(biāo)種類，還要給出目標(biāo)位置。而視頻分類要給一段短的視頻片段進(jìn)行動(dòng)作分析，也就是時(shí)序動(dòng)作檢測問題。實(shí)際中一個(gè)視頻通常很長，論文中研究的動(dòng)作只是一個(gè)很小的片段，一個(gè)小片段也可能會(huì)包含很多動(dòng)作片段，因此希望能檢測出不僅包含動(dòng)作的種類，也包含動(dòng)作的開始和結(jié)束時(shí)間。評估的過程中不僅要看預(yù)測的動(dòng)作種類是否正確，還要比較預(yù)測動(dòng)作片段與真實(shí)片段之間的重疊比例。只有重疊比例高于一定的預(yù)值，才認(rèn)為這個(gè)預(yù)測是正確的。
總結(jié)來說，時(shí)序行為檢測是要在視頻序列中確定動(dòng)作發(fā)生的時(shí)間區(qū)間（包括開始時(shí)間與結(jié)束時(shí)間）以及動(dòng)作的類別。與其關(guān)系緊密的一個(gè)領(lǐng)域是基于圖像的物體檢測（object detection），物體檢測是檢測物體在圖像中的位置，包括長和寬兩個(gè)維度，而時(shí)序行為檢測則只需要確定時(shí)間維度上動(dòng)作的位置。
王敏思分享是他今年投稿在CVPR 2017上的論文：Recurrent Modeling of Interaction Context for Collective Activity Recognition（對人體之間的交互進(jìn)行遞歸建模來進(jìn)行群體行為識別）
王敏思對群體行為進(jìn)行了一個(gè)通俗定義，需要大于等于兩個(gè)人共同完成的行為模式稱為群體行為。群體行為識別是為了判斷場景中整個(gè)人群的行為。群體行為通常包括多個(gè)層次的互動(dòng)信息（Interaction Context），包括單個(gè)人的運(yùn)動(dòng)信息，局部群組內(nèi)人與人的互動(dòng)信息，以及局部組群與組群之間的互動(dòng)信息。針對此現(xiàn)象，論文提出了一個(gè)基于多層次遞歸神經(jīng)網(wǎng)絡(luò)的群體行為識別算法，該算法在每個(gè)層次的互動(dòng)信息建模中，使用LSTM節(jié)點(diǎn)，低級層次的信息會(huì)聚后作為高級層次的信息節(jié)點(diǎn)輸入，主要分為person-level，group-level, scene-level三個(gè)不同層次的LSTM。最終通過多層次的LSTM結(jié)構(gòu)，實(shí)現(xiàn)跨層次的群體行為識別。該方法在群體行為數(shù)據(jù)庫Collective-Activity獲得了目前很好的識別精度。
活動(dòng)時(shí)間雖安排在暑假，且又趕上周末，但來現(xiàn)場聽論文分享的同學(xué)依然不少。很多都是從附近高校，比如上海理工，復(fù)旦大學(xué)專程趕過來。也有一些知名互聯(lián)網(wǎng)公司的技術(shù)人員利用周末時(shí)間趕來學(xué)習(xí)。現(xiàn)場的提問環(huán)節(jié)也得到了大家的熱烈響應(yīng)。
GAIR大講堂走進(jìn)高校系列活動(dòng)還會(huì)繼續(xù)舉辦，下一站哈工大深圳專場將于8月26日下午在哈工大深研院舉辦。AI科技評論記者也會(huì)繼續(xù)為大家報(bào)道嘉賓分享的干貨，以及活動(dòng)現(xiàn)場的一些情況。如果你恰巧就在活動(dòng)的舉辦地城市或附近，不妨親自來聽一場，相信你一定會(huì)從中有所收獲。目前“GAIR大講堂-CVPR哈工大深圳專場”活動(dòng)已經(jīng)開啟報(bào)名，歡迎大家報(bào)名參加。
活動(dòng)地址：http://www.zaocj.com/activity/view/id/3
本場活動(dòng)直播回放地址：http://www.mooc.ai/course/151/lesson/list
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
