China
Displaying present location in the site.
機器學習
NLC機器學習研究團隊致力于：
-
研究少數據、弱標簽等問題場景下的自動機器學習技術，提高人工智能的操作效率和可解釋性，開發可信的人工智能系統；
-
研究不確定性概率推理技術，并與各種深度學習模型結合，開發高可靠性的醫療診斷人工智能系統。
作為一個年輕的研究團隊，我們不僅短期內在MICCAI, IJCNN, ICIP等重要學術會議上發表了我們研究成果， 并且與國內多家知名三甲醫院正深入開展醫療診斷AI方面的研發合作，將研究成果快速應用于臨床實踐。
論文發表
- 【ISBI 2021】UNCERTAINTY-GUIDED ROBUST TRAINING FOR MEDICAL IMAGE SEGMENTATION （用于醫療圖像分割的不確定性魯棒訓練）
- 【IJCNN 2021 (Accepted)】Model Performance Inspection of Deep Neural Networks by Decomposing Bayesian Uncertainty Estimates （基于分解貝葉斯不確定性估計的深度神經網絡模型性能診斷）
- 【IJCNN 2021 (Accepted)】Layerwise Approximate Inference for Bayesian Uncertainty Estimates on Deep Neural Networks （深度神經網絡貝葉斯不確定性估計的分層近似推理）
- 【MICCAI 2020】An Effective Data Refinement Approach for Upper Gastrointestinal Anatomy Recognition（一種應用于上消化道解剖識別的數據精煉方法）
- 【ICIP 2020】Loss Rescaling by Uncertainty Inference for Single-stage Object Detection（用于單階段目標檢測器的不確定性推導重縮放損失函數）
- 【IJCNN 2020】A Layer-wise Adversarial Training Approach to Improve Adversarial Robustness（層次對抗訓練以有效提升對抗魯棒性）