科研学术

近期，计算机科学与工程学院（网络空间安全学院）“计算机视听觉”实验室纪禄平教授指导的博士生刘沛和陈圣嘉陆续在学科领域顶会International Conference on Machine Learning（ICML 2024）和顶期IEEE Trans. on Neural Networks and Learning Systems（TNNLS）上发表研究成果，电子科技大学均为唯一署名和通讯单位。

以2021级博士生刘沛为第一作者的学术论文《Weakly-Supervised Residual Evidential Learning for Multi-Instance Uncertainty Estimation》，作者为刘沛和纪禄平（通信作者），发表在人工智能领域顶会ICML 2024（CCF-A）。这项工作首次研究了弱监督MIL（多示例学习）中的不确定性估计（MIUE）问题，并提出一种新颖的残差证据学习方法（如下图所示）来量化MIL模型的预测不确定性，其采用的技术思路如图1所示。基于对称函数定理和证据学习理论，论文通过实验结果证实了此方法不仅能够捕获弱监督示例级的模型不确定性，而且还能够提供比以往方法更紧致的优化下界。论文提出的这项研究成果有效填补了不确定性估计在弱监督MIL中的研究空白，也能够助推MIL在真实世界和开放场景中的应用发展。

图1：多示例不确定性估计的弱监督残差证据学习

ICML是全球机器学习领域的权威会议，迄今举办了41次会议。组委会成员来自卡内基梅伦大学、剑桥大学、谷歌、苹果等世界名校及全球著名科技企业。ICML2024今年将于7月21日～27日在奥地利维也纳举办，刘沛同学将代表课题组参会并进行论文展示。

以2022级博士生陈圣嘉为第一作者的学术论文《MICPL: Motion-Inspired Cross-Pattern Learning for Small-Object Detection in Satellite Videos》，作者分别为：陈圣嘉、纪禄平（通信作者）、朱思成、叶茂，发表在人工智能领域顶刊TNNLS（一区,CCF-B）。本项研究试图从隐含模式学习的新视角来解决遥感小目标检测问题。为实现此目标，论文中提出一种运动启发的跨模式学习方案来捕获遥感小目标检测场景的运动模式，其技术思路如图2所示。大量的对比实验，证实了论文提出的技术方案在小目标检测领域同类方法中具有很好的优越性。本论文展示的研究成果将有助于推动遥感领域小目标检测技术的不断发展，并拓展其在现实世界的应用。

图2：运动启发的跨模式遥感小目标检测技术方案

　　计算机视听觉实验室简介：

依托电子科技大学·计算机科学与工程学院，计算机视听觉实验室由叶茂教授发起成立于2008年。实验室现有正高级专职研究人员3名, 硕士博士学生50余名。近几年来，实验室主要专注于(1)迁移学习、(2)智能视频压缩、(3)目标检测、(4)病理图像分析和(5)多媒体技术等领域的技术研究和应用开发。近3年来，实验室主持了国家重点研发计划、国家自然科学基金项目多项，每年发表一区、CCF A论文近20篇，申请专利10余件。近2年来实验室培养的硕博学生有5人获得四川省优秀毕业生称号，5人获得校优秀硕士论文等荣誉。

　　论文链接：

　　《Weakly-Supervised Residual Evidential Learning for Multi-Instance Uncertainty Estimation》

　　https://openreview.net/forum?id=cxiqxDnrCx

　　《MICPL: Motion-Inspired Cross-Pattern Learning for Small-Object Detection in Satellite Videos》

　　https://ieeexplore.ieee.org/abstract/document/10518061