近日，第36屆國際機(jī)器學(xué)習(xí)大會(huì)(International Conference on Machine Learning)，在美國長灘會(huì)議中心隆重召開，該會(huì)議作為機(jī)器學(xué)習(xí)人工智能領(lǐng)域的兩大頂級(jí)盛會(huì)之一，代表著熱門科研領(lǐng)域的最前沿，具有廣泛而深遠(yuǎn)的國際影響力。ICML 2019年一共在3424篇論文中錄取774篇，錄用率僅有22.6%。
魔視智能連同澳大利亞國立大學(xué)，莫納什大學(xué)，以及NEC America Lab的研究員共同完成了名為神經(jīng)協(xié)同子空間聚類（NeuralCollaborative Subspace Clustering）論文，該論文解決了譜聚類對(duì)子空間聚類的限制，為以后將子空間聚類擴(kuò)展到大規(guī)模數(shù)據(jù)集上邁出了第一步。
魔視智能團(tuán)隊(duì)在ICML會(huì)議上的論文展示
聚類是無監(jiān)督學(xué)習(xí)中核心的任務(wù)之一，目標(biāo)就是根據(jù)損失函數(shù)來自動(dòng)對(duì)樣本進(jìn)行類別劃分，而子空間聚類是實(shí)現(xiàn)高維數(shù)據(jù)聚類更有效的途徑，是高維數(shù)據(jù)空間中對(duì)傳統(tǒng)聚類的擴(kuò)展。如今大規(guī)模數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)大行其道，高維數(shù)據(jù)空間的表征學(xué)習(xí)已經(jīng)成為目前最為主流探討的問題。
子空間聚類是一種基于譜聚類的子空間聚類方法, 其基 本思想是, 假設(shè)高維空間中的數(shù)據(jù)本質(zhì)上屬于某個(gè) 低維子空間, 能夠在低維子空間中進(jìn)行線性表示, 反過來, 高維數(shù)據(jù)的低維表示能夠揭示數(shù)據(jù)所在的本 質(zhì)子空間, 有利于數(shù)據(jù)聚類。
論文網(wǎng)絡(luò)基本框架圖
為了克服傳統(tǒng)工作總是需要所有數(shù)據(jù)建立拉普拉斯矩陣和譜聚類帶來的內(nèi)存消耗和計(jì)算量大的缺點(diǎn)，該方法主要得益于建立了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的分類器來確定任意兩個(gè)數(shù)據(jù)是否在同一個(gè)子空間中。算法更本質(zhì)的部分是構(gòu)建了兩個(gè)歸屬矩陣：一個(gè)基于分類器，另一個(gè)則基于子空間自表達(dá)性；并利用這兩個(gè)歸屬矩陣進(jìn)行協(xié)同監(jiān)督訓(xùn)練。本文完整地對(duì)比了該算法和目前最好的聚類方法（包括具有深度子空間的聚類方法）的實(shí)驗(yàn)效果，驗(yàn)證了方法的有效性。
該方法在圖像分割領(lǐng)域可以對(duì)移動(dòng)物體的位置進(jìn)行更精確的分割，同時(shí)，在語意SLAM中可以用來無監(jiān)督的對(duì)圖片進(jìn)行分割，減少人工標(biāo)定成本。
此次ICML會(huì)議，魔視智能再次展示了在機(jī)器學(xué)習(xí)領(lǐng)域的高水平研究成果和尖端算法研發(fā)能力。在機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺等人工智能的前沿核心領(lǐng)域，魔視智能始終保持國際領(lǐng)先的研發(fā)水平。
迄今為止，魔視智能核心專家團(tuán)隊(duì)已經(jīng)在CVPR/ ICCV/ NIPS/ ECCV/ TPAMI上發(fā)表頂級(jí)學(xué)術(shù)論文超過100篇，引用次數(shù)多達(dá)20242次（Google Scholar Citation, as of Apr. 2019）。分別兩次在CVPR和ICCV上獲得最佳論文大獎(jiǎng)及大獎(jiǎng)提名。并且多次在包括CITYSCAPES和KITTI等國際權(quán)威算法比賽上奪得大獎(jiǎng)。
魔視智能持續(xù)致力于將前沿的人工智能科技在汽車工業(yè)落地，推動(dòng)自動(dòng)駕駛技術(shù)的進(jìn)步。
關(guān)于魔視智能：
魔視智能是深度學(xué)習(xí)和計(jì)算機(jī)視覺等先進(jìn)的人工智能技術(shù)在汽車自動(dòng)駕駛系統(tǒng)領(lǐng)域?qū)崿F(xiàn)嵌入式產(chǎn)品化的領(lǐng)跑者，提供覆蓋L1-L4的全棧式自動(dòng)駕駛視覺系統(tǒng)。
魔視智能擁有國際頂尖的視覺感知和定位算法及嵌入式芯片平臺(tái)團(tuán)隊(duì)，將前沿的深度學(xué)習(xí)和VSLAM技術(shù)，依照汽車工程標(biāo)準(zhǔn)，將優(yōu)化的人工智能計(jì)算引擎高效運(yùn)行在低功耗的嵌入式處理器上。通過使用單目或者多目攝像頭，結(jié)合多傳感器融合，實(shí)現(xiàn)準(zhǔn)確實(shí)時(shí)的環(huán)境感知和車體定位系統(tǒng)。在不同的場景條件下，完成多角度多目標(biāo)的識(shí)別和避障任務(wù)，實(shí)現(xiàn)不同等級(jí)的自動(dòng)駕駛功能。在精確的環(huán)境感知和車輛定位基礎(chǔ)上，整合路徑規(guī)劃和整車控制技術(shù)，提供完整的融合前視和環(huán)視及各種雷達(dá)傳感器在內(nèi)的全棧式自動(dòng)駕駛系統(tǒng)。
魔視智能的最新研發(fā)產(chǎn)品代表了國際領(lǐng)先水平，已在包括乘用車和商用車在內(nèi)的多個(gè)汽車項(xiàng)目上前裝量產(chǎn)應(yīng)用。系統(tǒng)的實(shí)時(shí)性、準(zhǔn)確性、魯棒性、普適性都獲得了廣泛的認(rèn)可和好評(píng)。我們將持續(xù)致力于整合先進(jìn)的人工智能技術(shù)和汽車電子系統(tǒng)成功經(jīng)驗(yàn)，打通傳統(tǒng)汽車智能化的技術(shù)鴻溝，開啟汽車的人工智能大腦，實(shí)現(xiàn)更安全更自由的自動(dòng)駕駛。
公司總部位于上海張江，在澳大利亞設(shè)有人工智能算法研究院，在深圳設(shè)有業(yè)務(wù)和客戶支持中心。
