河北大學(xué)網(wǎng)絡(luò)空間安全與計(jì)算機(jī)學(xué)院彭錦佳（教師）、張淞瑜（學(xué)生）的最新研究成果“CDE-Learning: Camera Deviation Elimination Learning for Unsupervised Person Re-identification”被人工智能領(lǐng)域頂級(jí)學(xué)術(shù)會(huì)議AAAI 2025（CCF A）錄用發(fā)表。這是學(xué)院作為第一署名單位的科研成果首次被人工智能領(lǐng)域頂級(jí)會(huì)議錄用，對(duì)于提升學(xué)院人工智能學(xué)科影響力具有積極作用。

研究團(tuán)隊(duì)長(zhǎng)期致力于無監(jiān)督行人重識(shí)別領(lǐng)域的標(biāo)簽生成與優(yōu)化問題的深入研究。無監(jiān)督行人重識(shí)別的核心目標(biāo)是從不同攝像頭捕獲的影像中準(zhǔn)確識(shí)別出同一行人。然而，由于攝像頭間的屬性和拍攝環(huán)境的差異，往往會(huì)導(dǎo)致顯著的域偏差問題。因此，本文提出了基于攝像頭偏差消除學(xué)習(xí)的無監(jiān)督行人重識(shí)別方法（CDE-Learning），通過設(shè)計(jì)攝像頭偏差補(bǔ)償（CDC）模塊，有效對(duì)齊不同攝像頭拍攝得到的行人圖像的數(shù)據(jù)分布，在聚類階段減少類內(nèi)偏差，優(yōu)化偽標(biāo)簽質(zhì)量；攝像頭偏差平衡（CDB）模塊將對(duì)不同攝像頭下行人圖像的約束條件整合到統(tǒng)一損失函數(shù)中，自適應(yīng)構(gòu)建圖像對(duì)比對(duì)，避免復(fù)雜參數(shù)調(diào)整，提升模型適應(yīng)性；攝像頭屬性輔助（CAA）任務(wù)則進(jìn)一步增強(qiáng)模型對(duì)背景的理解，隱式提升區(qū)分?jǐn)z像頭間圖像偏差的能力。

2024年至今，該課題組已在圖像修復(fù)、重識(shí)別、機(jī)器人手勢(shì)識(shí)別等領(lǐng)域取得了一系列重要成果，相關(guān)工作分別發(fā)表在國際權(quán)威學(xué)術(shù)會(huì)議和期刊AAAI、TCSVT、PR上。

以上工作得到了河北省教育廳科學(xué)研究項(xiàng)目、河北省中央引導(dǎo)地方科技發(fā)展資金項(xiàng)目資助。

論文鏈接：https://ojs.aaai.org/index.php/AAAI/article/view/32691

（網(wǎng)絡(luò)空間安全與計(jì)算機(jī)學(xué)院、科學(xué)與技術(shù)創(chuàng)新研究院供稿）