查看原文
其他

喜讯 | 理工学院李镇教授团队在IEEE计算机视觉与模式识别顶会及医学图像处理顶会发表多篇论文

The following article is from 香港中文大学深圳SSE Author SSE


近日,香港中文大学(深圳)理工学院李镇教授团队两篇研究工作被IEEE计算机视觉与模式识别顶会CVPR2020收录,三篇研究工作被医学图像处理领域顶会MICCAI2020收录。


李镇教授课题组博士一年级学生颜旭以第一作者身份发表论文“PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling”。另外,李镇教授课题组另外一篇研究工作“Exemplar Normalization for Learning Deep Representation”也被CVPR2020收录。论文由李镇教授和崔曙光教授等老师指导。


我校理工学院、大数据研究院访问硕士生张敏清为第一作者的论文"Characterizing Label Errors: Confident Learning for Noisy-labeled Image Segmentation" 被2020国际医学图像计算与计算机辅助介入会议MICCAI收录。该论文主要研究了困扰医学影像处理领域的noisy label问题,即用于训练的标签中存在噪声,提出了一种深度学习的框架,不仅可以识别出标签中的噪声,还可以使模型具有抗噪声干扰的能力。另外,李镇教授课题组另外两篇研究工作“Adaptive Context Selection for Polyp Segmentation”“UXNet: Searching Multi-level Feature Aggregation for 3D Medical Image Segmentation”也被MICCAI Provisional Accept(接收率大概10%)。论文由李镇教授、崔曙光教授等老师指导。


颜旭的研究方向是3D点云处理,得知论文被接收,他对合作者和指导老师给予的支持和启发表示感谢。张敏清表示在访问期间被老师和同学们严谨的科研态度和百折不挠的科研精神所感染。他觉得自己在研三的时候来到香港中文大学(深圳)并加入李镇教授的团队进行访问是一个无比正确的选择。




01PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling


原始点云数据不可避免地从3D传感器或在重建算法中包含异常值。该篇论文提出了一种用于鲁棒点云处理的新型端到端网络——PointASNL,可以有效地处理带噪声的点云



其方法的关键部分是自适应采样(AS)模块。它首先从最远点采样点的周围对点的邻域加权,然后在整个点云中自适应地调整采样点。自适应采样模块不仅有益于点云的特征学习,而且缓解异常值的影响。为了进一步捕捉采样点和整体的长距离依赖关系,我们从非局部操作的角度出发,提出了局部-非局部 (local-Nonlocal, L-NL) 模块。这种局部-非局部模块使学习过程对噪声不敏感。大量的实验证明了在分类和语义分割任务上,在合成数据,室内、室外数据,是否有噪声的数据上,该模块都有良好性能和鲁棒性,并且在有大量噪声的真实户外数据集SemanticKITTI上,明显优于以前的方法。



计算机与信息工程项目博士生

中山大学学士

港中大(深圳)数据科学理学硕士






非常感谢我的合作者们和老师们给予的支持和启发,特别感谢学校能为我们科研学习无条件地提供充足的计算资源。欢迎更多优秀的同学能加入我们项目组。


代码:https://github.com/yanx27/PointASNL

论文:https://arxiv.org/pdf/2003.00492.pdf




02Characterizing Label Errors: Confident Learning for Noisy-labeled Image Segmentation
卷积神经网络对海量数据的强大处理能力使其在图像处理方面取得了显著的性能。但是,如果训练数据被有噪声的标签损坏,其性能可能会恶化。在医学图像分析中,这一困难更为明显。这是因为医学图像的标注总是需要医学专业知识和临床经验,这样的主观性必然会将噪声引入标注。
本文设计了一种基于teacher-student结构的噪声识别医学图像分割算法。本文利用自信学习技术识别标注中的噪声,并赋予网络以抗干扰能力。具体地说,自信学习技术应用于teacher模型可以在像素级别识别标注噪声。由于识别的噪声并不完美,因此本文引入空间标注平滑正则化技术,用来训练student模型。该方法生成像素级的修正标注,而不是图像级地给标注分配权重。因此在JSRT数据集上的实验结果表面,它在noisy-labeled图像分割任务中优于最先进的方法,尤其是当训练数据由噪声严重损坏的情况。

张 敏 清

访问硕士

港中大(深圳)理工学院

深圳市大数据研究院 



“论文写作过程中,恰好碰上新冠疫情肆虐,大家居家隔离无法返校进行科研工作。面对如此艰难的情况,在崔曙光教授和李镇教授的支持及指导下,以及合作者们的协助下,我们像一支球队一样紧密合作,完成了这篇论文的写作与投递。论文被MICCAI成功接收是对我们在困难情况下专心科研所做出的最大肯定。" 




会议简介



CVPR是由美国电气及电子工程师学会(IEEE)组织的计算机视觉领域最权威的国际会议之一,与ICCV(计算机视觉国际会议)和ECCV(欧洲计算机视觉会议)并列为计算视觉领域最顶级的三大国际会议。


MICCAI系列会议始于1998年,是该领域首屈一指的国际会议,由CVRMed(计算机视觉、虚拟现实和医疗机器人)、MRCAS(医疗机器人和计算机辅助手术)和VBC(生物医学计算可视化)三个会议合并而成。第一届MICCAI大会于1998年在美国波士顿举行。



指导老师简介


 

李 镇

理工学院研究助理教授


李镇教授分别于2011年和2014年获得中山大学学士和硕士学位,于2018年获得香港大学博士学位。他曾以访问学者身份在芝加哥大学和丰田芝加哥研究院进行研究工作。李镇教授现任香港中文大学(深圳)理工学院研究助理教授和深圳市大数据研究院研究科学家。目前,李教授为深度比特实验室负责人(点击这里浏览更多),研究方向是点云处理、医学图像处理、领域自适应以及神经网络自动搜索。
李镇博士的研究方向主要是利用深度学习和计算机视觉算法进行蛋白质结构预测、医学图像处理以及深度神经网络的压缩和搜索。他是蛋白质结构预测竞赛CASP12全球冠军的主要成员,还是PLOS CB 2018最新突破和创新奖项获得者,2019年CCF-腾讯犀牛鸟科研基金获得者。



 

崔 曙 光

理工学院代理院长


崔曙光教授于2005年获得美国斯坦福大学博士学位。他先后在美国德州农机大学和加州大学戴维斯分校任助理、副、正、和Child Family讲席教授 。崔教授现任深圳市大数据研究院副院长和香港中文大学(深圳)校长讲座教授。


崔教授当前的科研方向主要集中在数据驱动的大规模系统控制和资源管理。崔教授于2013年当选IEEE Fellow(博士毕业后8年内当选,为IEEE历史上最快之一),并在2014年和2016年被分别任命为IEEE Transactions on Big Data和IEEE Transactions on Cognitive Communications and Networking 的Steering Committee委员。崔教授已在国际一流期刊和会议上发表了两百五十余篇论文。崔教授是IEEE信号处理协会2012年最佳论文奖获得者, 并曾担任多个IEEE国际会议的主席和程序委员会主席,IEEE TBD、TSP、TWC、TVT、CL国际期刊的编委和IEEE SPM的领域主编,IEEE通信协会无线技术委员会(WTC)的主席 。崔教授于2014年入选IEEE ComSoc Distinguished Lecturer, Thomson Reuters全球高被引科学家名单和ScienceWatch的全球最具影响力科学家名单。在2017年10月,基于其在物联网和数据分析领域的学术声誉,崔教授应阿里巴巴集团的邀请到杭州,作为13名科学家之一为阿里巴巴达摩院的成立提供了战略性意见。





-End-


点击下方标题,浏览更多


李镇教授荣获CCF-腾讯2019年度犀牛鸟科研基金
崔曙光教授带领顶尖科研团队入选国家重点研发计划
我们在港中大(深圳)等你 | 理工学院校友专访直播回顾 | 理工学院学生分享升学与就业(一)直播回顾 | 理工学院学生分享升学与就业(二)






您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存