(通讯员 李娜)近日,计算机视觉领域顶级会议IEEE Conference on Computer Vision and Pattern Recognition(简称CVPR 2022,CCF A类会议)公布录用名单,智能与计算学部2018级本科生李渤涟以第一作者发表论文“Trustworthy Long-tailed Classification”被录用,指导教师为学部机器学习与数据挖掘团队张长青老师。 该论文提出一种新型集成学习策略解决长尾分类问题,实现了可信、准确、高效的长尾分类目标(如图1所示)。长尾分类在实际应用中十分常见,是一种类别样本量极端不平衡的分类问题,其核心难点在于尾部类别样本量过少,难以获得有效训练。通过引入不确定性集成,实现对尾部类别样本的自动感知;并在此基础上,进一步提出为尾部类别样本动态分配更多模型资源(Experts),实现按需分配。该模型实现了对尾部类别样本的自动化检测与训练调节,是一个解决长尾分类问题的通用模型。 图1.可信长尾分类模型 李渤涟同学于2020年以本科生身份进入学部机器学习与数据挖掘团队学习,经过一年多的系统训练,该同学在科研上取得多项成果。除上述CVPR论文之外,还以第一作者在数据挖掘领域顶级会议The Web Conference 2022(简称WWW 2022,CCF A类会议)上发表长文1篇。 * O2 a9 y/ g7 m' h; K: s
|