318
城市大腦三項技術論文同時入選國際頂級學術會議ACM MM
城市大腦三項技術研究論文同時入選多媒體領域的頂級學術會議——第25屆國際多媒體會議ACM Multimedia（簡稱ACM MM），論文作者將於今年10月赴美作大會報告。
ACM MM是全世界多媒體領域的頂級會議，屬中國計算機學會（CCF）指定的A類國際會議。據ACM MM2017評委會介紹，今年會議共收到675篇論文，經審慎的多重評選，三篇來自城市大腦研究團隊的論文被大會錄用。
這三篇論文都由城市大腦項目組核心團隊——阿裏巴巴iDST（Institute of Data Science and Technologies）成員研究得出，分別針對城市大腦所涉及的交通事故、人流軌跡、交通數據樣本等問題提出解決辦法。
據悉，受邀赴美作口頭報告的論文占比僅為7.5%，ACM MM在通知郵件中稱整個論文評選過程為“艱難激烈的”。
口述報告：
Spatio-Temporal Auto Encoder for Video Anomaly Detection
時空自編碼器的視頻異常檢測模型
為城市大腦提供監控交通異常的方法。受動作識別等領域的最新研究成果啟發，設計了一種時空自編碼進行視頻異常檢測，同時提出一種權重遞減的預測誤差計算方法。經真實的交通場景評測，該算法在重要指標上已經超過了此前的最好方法。
Deep Siamese Network with Multi-level Similarity Perception for Person Re-identification
基於多層相似度感知的深度神經網絡及其在同人鑒別中的應用
為人流軌跡的識別判斷提供技術支持。結合深度學習的Siamese網絡和分類網絡模型優勢，同時將相似度擴展到其他層次。與經典的大規模同人鑒別公開數據集對比，目前檢索精確度的最優結果已達業內最高水平。
海報報告：
Stylized Adversarial Autoencoder for Image Generation
基於風格化對抗自編碼器的圖像生成算法
解決城市大腦交通視頻數據樣本不足的問題。受條件對抗生成網絡和風格遷移學習的啟發，采用內容提取網絡和風格提取網絡分別從內容圖片和風格圖片中提取特征，將兩者融合後，通過圖片生成網絡獲得融合相應內容和風格的圖片。
本文出自阿裏雲公眾號，原文鏈接
最後更新：2017-07-20 23:03:43