邸新漢在ICCV現(xiàn)場
在ICCV2017《 CEFRL:Compact and Efficient Feature Representation and Learning in Computer Vision 》專題報告會上，邸新漢出席并參與討論了前沿緊湊有效特征的發(fā)展和成果，其中討論的研究范圍包括人工智能Ai的深度特征、監(jiān)督和半監(jiān)督特征等。該討論會特邀嘉賓包括Yoshua Bengio、Pascal Fua教授等深度學習AI界著名科學家。
邸新漢的兩篇論文核心論述了提高半監(jiān)督分類的準確率、提高生成圖片質(zhì)量和多樣性的技術(shù)方法。該方法應用在網(wǎng)易云安全(易盾)“內(nèi)容安全”產(chǎn)品線中廣告、色情、暴恐、涉政等圖像識別上，不僅顯著提升了準確率，并且在訓練圖像搜集數(shù)據(jù)量較少的情況下，進一步提高了圖像分類的準確率和召回率。同時利用GAN-Boost方法，擴大了難收集的圖像在圖像訓練庫的數(shù)量并提高了圖像質(zhì)量，為產(chǎn)品在數(shù)據(jù)庫收集方面降低了成本。
邸新漢兩篇入選論文成果在ICCV展示亮相
論文中，結(jié)合信息熵和GAN網(wǎng)絡，對抗GAN網(wǎng)絡的輸入不確定度在信息熵的理論框架下提出兩個假設，并且在GAN網(wǎng)絡的框架下利用信息熵及噪聲通道原理，提出Multiplicative噪聲通道和GAN-Boost訓練方法，證明所提出的兩個方法降低了通用GAN網(wǎng)絡信息的損失，和提高GAN網(wǎng)絡利用訓練數(shù)據(jù)集信息的效率，并且通過實驗對比證實，其提高GAN網(wǎng)絡圖象半監(jiān)督分類的準確率，增強了GAN網(wǎng)絡訓練小數(shù)據(jù)集后圖像的質(zhì)量和多樣性。
網(wǎng)易云安全(易盾)在業(yè)界率先推出第三代智能內(nèi)容安全產(chǎn)品，目前在智能鑒黃、廣告過濾、暴恐及涉政識別等不良內(nèi)容識別領域已經(jīng)處于業(yè)界領先。網(wǎng)易云安全不斷投入研發(fā)資源提升智能識別精準度，已在網(wǎng)易云音樂、一直播、OPPO應用商店等知名產(chǎn)品中廣泛應用。
