近日，厦门大学模式分析与机器智能研究中心硕士研究生在人工智能领域国际权威期刊发表5篇学术论文。论文主要关注人工智能在目标跟踪、人脸表情识别，人脸属性分析、语义图像分割以及文本检测上的应用。
        （1）由计算机系硕士生吴强强完成的论文“SAT: Single-shot Adversarial Tracker”被 IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS（JCR1区，影响因子7.503）接收。论文延续课题组在视觉跟踪领域的领先优势，提出了一种基于轻量级卷积神经网络的生成器。该生成器融合了多层特征图以准确生成用于跟踪的目标概率图（TPM）。在在线跟踪阶段，可以直接使用学到的TPM生成器来单次生成与搜索区域相对应的目标概率图。SAT可以在单个GPU上实现212 FPS的平均跟踪速度，同时在数个流行基准上仍能实现良好的性能。该论文由厦门大学计算机系王菡子教授，澳门大学张立明老师和西安电子科技大学高新波教授共同指导完成。
        （2）由计算机系硕士研究生毛龙彪完成的论文“Deep Multi-task Multi-label CNN for Effective Facial Attribute Classification”被情感计算领域国际权威期刊IEEE Trans. on Affective Computing（JCR2区，影响因子6.288）接收。该论文延续了课题组在人脸属性识别领域的领先优势，利用多任务学习将人脸属性识别任务与人脸特征点识别任务有机融合，通过发掘多任务之间和多属性标签之间的相关性，有效解决多属性标签识别存在的收敛速度不同的问题。所提算法能有效缓解人脸属性标签不平衡问题并有效提升主观困难属性识别准确率。该论文由厦门大学计算机系严严副教授、王菡子教授以及英国伦敦大学学院的薛景浩副教授共同指导完成。
        （3）由计算机系硕士研究生董根顺完成的论文“Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes”被智能交通系统领域国际权威期刊IEEE Trans. on Intelligent Transportation Systems（JCR2区，影响因子5.744）所接收。该论文以实际应用需求为导向，并结合语义分割发展趋势而提出。论文主要由带有孔洞卷积和注意力的轻量级特征提取基础网络、更具鉴别性与信息量的孔洞空间金字塔池化、补充细节的空间信息保持网络和简单有效的特征融合网络四个部分组成。该方法在Cityscapes等公开数据集上拥有快速（实时）预测的效果和优秀的分割精度。该论文由厦门大学计算机系严严副教授、王菡子教授以及阿德莱德大学沈春华教授共同指导完成。
        （4）由计算机系硕士研究生郑育强完成的论文“Scale Robust Deep Oriented-text Detection Network”被模式识别领域国际权威期刊Pattern Recognition（JCR 2区，影响因子5.898）所接收。该论文设计了一种尺度鲁棒的多方向文本检测网络，通过对不同尺度的文本特征进行精炼融合（refining fusion），采用焦点损失(focal loss)解决样本失衡问题，从而达到速度与性能兼顾的效果。该论文由厦门大学计算机系曲延云教授、李翠华教授以及华东师范大学谢源教授共同指导完成。
        （5）由计算机系严严副教授、硕士研究生黄颖合作完成的论文“Joint Deep Learning of Facial Expression Synthesis and Recognition”被多媒体领域国际权威期刊IEEE Trans. on Multimedia（JCR2区，影响因子5.452）接收。该论文针对小规模数据集下的人脸表情识别场景，利用近年来十分具有前景的的生成式对抗网络与人脸表情识别网络联合训练，有效地提高了模型训练数据的多样性。在联合训练过程中，使用一种新型的类内损失以及一种真实样本导向的梯度更新方法，有效地缓解生成样本与真实样本的数据偏差，从而降低了生成样本的参与可能导致的模型欠拟合的问题。该论文由厦门大学计算机系王菡子教授、澳大利亚阿德莱德大学沈春华教授和厦门理工学院的陈思副教授共同合作完成。