站長資訊網
2019年6月16日-6月20日，全球計算機視覺與模式識別頂級會議(IEEE CVPR 2019)將在美國長灘拉開帷幕，本次會議論文收錄工作已經結束。CVPR( Conference on Computer Vision and Pattern Recognition)作為行業最頂級的研究型會議，每年被收錄的論文均來自計算機視覺領域頂級團隊，代表著國際最前沿的科研技術，并指引著計算機視覺領域未來的研究方向。本屆CVPR總共錄取來自全球頂級學術論文1299篇，中國團隊表現不俗。
深睿 AI LAB 8篇論文入選CVPR 2019
根據CVPR 2019官網顯示，共提交了7144篇論文，其中5165篇為有效投遞論文，比去年CVPR2018增加了56%，最終錄取了1299篇。這些錄取的最新科研成果，涵蓋了計算機視覺領域各項前沿工作。2019年深睿醫療有8篇論文被本屆CVPR大會接收，躋身中國論文發布數量排名前列的科技公司之一。
深睿研究院CVPR2019錄取論文在以下領域實現了創新性突破：醫學影像微小病灶檢測、細粒度圖像分類、基于弱監督的顯著性檢測、圖像與自然語言的綜合理解，統計理論與深度學習相結合，采用“異常檢測”新思路準確檢測醫學圖像中富于變化的弱信號等前沿技術。這些全球領先的計算機視覺算法顯示了深睿研究院在計算機視覺領域強大的核心人才儲備、科研文化底蘊和技術創新能力。深睿研究院獨創的算法已被應用于深睿醫療現有醫療AI產品中，同時對未來產品研發提供有力的技術支撐。
對于自研算法在智慧醫療領域的應用，研究院本次被錄取了一篇文章題目為《基于級聯生成式與判別式學習的乳腺鉬靶微鈣化檢測(Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms)》的論文。論文針對乳腺鉬鈀中的微鈣化(直徑<=1cm)檢出問題提出了結合生成式和判別式模型的新思路。鈣化檢測對于乳腺癌的早期診斷十分關鍵，根據美國放射學院第五版BI-RADS標準，可疑惡性鈣化點通常直徑在1cm以內。因此，研究微鈣化的檢出算法具有重要的臨床意義。
(論文中配圖)
鉬靶影像的微鈣化點通常不到10個像素，且形態多變，再加上正常組織背景變化較復雜且樣本量極大，僅使用判別式分類器很難提取到有效的特征。本篇論文設計了一個生成式模型“異常分離網絡”，與判別式模型相結合，在公開和私有數據集上均超越了當前鈣化檢出的先進水平。深睿醫療2018年發布的一款基于乳腺鉬靶的人工智能輔助診斷系統的產品，主要應用于乳腺癌的早期篩查和診斷，這篇論文中的算法已經在深睿這款產品上得到應用。
另外一篇入選論文《為自底向上細粒度圖像分類服務的弱監督互補部件模型(Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up)》提出了一種新穎且有效的框架—弱監督互補部件模型，來完成細粒度圖像分類任務。
(論文中配圖)
作者首先通過基于弱監督學習的物體檢測和實例分割提取粗糙的物體實例，然后在盡可能保持多樣性的原則下，對每個物體實例的最佳組成部件進行估計和搜索。實驗表明本文提出的框架在一些常用的為細粒度圖像分類服務的公開標準測試集上大幅度地超越了當前最先進的算法。
俞益洲教授領銜的深睿研究院，在2018年的科研攻堅戰取得了階段性的成果。俞教授本人在2018年度入選2019 IEEE Fellow以及2018ACM杰出科學，獲得兩項殊榮，并帶領團隊完成了7款醫療AI 領域的人工智能產品的研發。俞教授坦言成立深睿研究院的初衷就是為了可以集中企業最核心的技術力量，探索前瞻性的技術，為醫療AI提供領先的技術，為醫療機構提供優質的臨床痛點的解決方案，同時培養優秀的醫療AI科技人才。目前深睿醫療已經和10多家國內外頂級學術機構建立長期學術科研合作，20多家頂級三甲醫院建立長期臨床科研合作。醫療AI任重道遠，需要更多的科研人員投身其中，要有克服困難的決心，也要有進行長期技術積累的耐心。
深睿研究院CVPR2019收錄論文列表如下：
[1] “Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms”
Fandong Zhang, Ling Luo, Xinwei Sun, Zhen Zhou, Xiuli Li, Yizhou Wang, Yizhou Yu, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.
[2] “Towards Accurate Task Accomplishment with Low-Cost Robotic Arms”
Yiming Zuo, Weichao Qiu, Lingxi Xie, Fangwei Zhong, Yizhou Wang, Alan Yuille, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.
[3] “Convolutional Spatial Fusion for Multi-Agent Trajectory Prediction”
Tianyang Zhao, Yifei Xu, Mathew Monfort, Wongun Choi, Chris Baker, Yibiao Zhao, Yizhou Wang, Yingnian Wu, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.
[4] “Completeness Modeling and Context Separation for Weakly Supervised Temporal Action Localization”
Daochang Liu, Tingting Jiang, Yizhou Wang, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.
[5] “Cross-Modal Relationship Inference for Grounding Referring Expressions ”
Sibei Yang, Guanbin Li, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
[6] “Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up ”
Weifeng Ge, Xiangru Lin, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
[7] “Multi-Source Weak Supervision for Saliency Detection”
Yu Zeng, Huchuan Lu, Lihe Zhang, Yunzhi Zhuge, Mingyang Qian, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
[8] “Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-Identification”
Wenjie Yang,Houjing Huang,Zhang Zhang,Xiaotang Chen,Kaiqi Huang,Shu Zhang. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.
特別提醒：本網信息來自于互聯網，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。
