Sunghoon Im 教授，DGIST（右）和 學(xué)位相關(guān)課程的學(xué)生，Seunghoon Lee（左）。來(lái)源：DGIST
DGIST信息與通信工程系的Sunghoon Im教授開發(fā)了一種人工智能（AI）神經(jīng)網(wǎng)絡(luò)模塊，可以使用深度學(xué)習(xí)將復(fù)雜圖像形式的環(huán)境信息分離和轉(zhuǎn)換。開發(fā)的網(wǎng)絡(luò)有望為人工智能領(lǐng)域的未來(lái)發(fā)展做出重大貢獻(xiàn)，包括圖像轉(zhuǎn)換和域適應(yīng)。
近來(lái)，作為人工智能技術(shù)基礎(chǔ)的深度學(xué)習(xí)越來(lái)越發(fā)達(dá)，圖像創(chuàng)建和轉(zhuǎn)換方面的深度學(xué)習(xí)研究也隨之活躍起來(lái)。傳統(tǒng)的研究集中在尋找一個(gè)領(lǐng)域中常見的圖像信息，這是一組具有多個(gè)相似特征的圖像。因此，無(wú)法正確使用圖像信息，限制了適用數(shù)據(jù)和模型的性能。另一個(gè)限制是，由于使用的圖像信息具有線性簡(jiǎn)單的結(jié)構(gòu)，因此只能獲得一個(gè)轉(zhuǎn)換后的圖像。
Im教授的研究團(tuán)隊(duì)假設(shè)圖像信息的結(jié)構(gòu)可能會(huì)因領(lǐng)域而異，而且結(jié)構(gòu)可能并不總是簡(jiǎn)單的，例如線性結(jié)構(gòu)。研究團(tuán)隊(duì)設(shè)計(jì)了一個(gè)分離器，可以將圖像信息清晰地劃分為整體形式信息和風(fēng)格信息�；诖�，他們對(duì)每個(gè)域使用不同的權(quán)重來(lái)反映域之間的差異。此外，他們成功地開發(fā)了一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，使用分離的圖像信息之間的相關(guān)性為每個(gè)圖像組合確定合適的風(fēng)格信息。
DGIST 教授 Sunghoon Im 研究團(tuán)隊(duì)設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。圖片來(lái)源：IEEE 計(jì)算機(jī)視覺(jué)和模式識(shí)別會(huì)議
開發(fā)的神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)勢(shì)：即使只有一個(gè)模型，也可以輕松地對(duì)多個(gè)領(lǐng)域進(jìn)行圖像轉(zhuǎn)換。當(dāng)開發(fā)的域自適應(yīng)算法應(yīng)用于視覺(jué)識(shí)別問(wèn)題時(shí)，準(zhǔn)確率提高了一倍多。
Im 教授說(shuō)：“在這項(xiàng)研究中，開發(fā)了一種結(jié)合了對(duì)圖像信息的新分析的神經(jīng)網(wǎng)絡(luò)，我們預(yù)計(jì)如果相關(guān)技術(shù)在未來(lái)進(jìn)一步改進(jìn)，它可以應(yīng)用于多個(gè)領(lǐng)域，積極地影響人工智能的發(fā)展。”
Seunghoon Lee，信息與通信工程專業(yè)的學(xué)位相關(guān)課程學(xué)生，作為第一作者參與了這項(xiàng)研究。此外，該論文發(fā)表在人工智能領(lǐng)域領(lǐng)先的國(guó)際期刊IEEE計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議上，并于6月25日星期五在線發(fā)布。
