我室的两项科研工作：“Multi-view Feature Augmentation with Adaptive Class Activation Mapping” （高翔, 田英杰，齐志泉），“Two-stage Training for Learning from Label Proportions”（刘佳斌，汪波，沈欣，齐志泉，田英杰），被人工智能领域的顶级会议IJCAI 2021接收。在4204篇投稿论文中，仅有587篇论文被录取，论文接收率低至13.9%。
IJCAI 全称为国际人工智能联合会议（International Joint Conference on Artificial Intelligence），是人工智能领域中最主要的学术会议之一。在中国计算机学会的国际学术会议排名中，IJCAI为人工智能领域的A类会议 。
论文“Multi-view Feature Augmentation with Adaptive Class Activation Mapping”改造了传统的神经网络类激活图，提出了一个无标签依赖的自适应类激活图，并以此为基础构建了一个轻量化的、可端到端训练的特征增强模块，来辅助图像分类任务。该模块以极低的计算开销，将注意力机制、数据增强、多视角学习、集成学习融入了神经网络中，在同等网络规模下，显著提高了模型性能，并适用于不同的学习范式和损失函数，为模型鲁棒性的提升开创了新的研究思路。
论文“Two-stage Training for Learning from Label Proportions” 提出了一种基于最优传输理论（Optimal Transport）的伪标签生成机制，通过对原始提供的比例信息和网络的输出进行最优传输求解，产生一个高精度的伪标签，然后将此伪标签应用于比例标签学习的第二阶段训练。通过这个两阶段的训练机制可以显著的提升原有的基于KL散度构建的模型的性能。为比例标签学习开创了一个新的训练思路。
向他们表示热烈的祝贺！
