中國(guó)人工智能學(xué)會(huì)公示了2019年度優(yōu)秀博士學(xué)位論文評(píng)選的最終結(jié)果。來自清華大學(xué)、中科院自動(dòng)化所、南京大學(xué)等的一共15篇博士論文入選！

近日，中國(guó)人工智能學(xué)會(huì)(CAAI)公示了2019年年度優(yōu)秀博士學(xué)位論文評(píng)選的最終結(jié)果。

學(xué)會(huì)組織專家對(duì)入圍終評(píng)的20篇論文進(jìn)行了評(píng)審，來自清華大學(xué)、中科院自動(dòng)化所、南京大學(xué)等的一共15篇博士論文獲獎(jiǎng)，其中10 篇論文獲優(yōu)秀博士學(xué)位論文獎(jiǎng)，5 篇論文獲優(yōu)秀博士學(xué)位論文提名獎(jiǎng)。

CAAI的公示如下：

根據(jù)《中國(guó)人工智能學(xué)會(huì)優(yōu)秀博士學(xué)位論文評(píng)選條例》的規(guī)定，學(xué)會(huì)組織 9 位國(guó)內(nèi)人工智能領(lǐng)域的知名專家成立優(yōu)博評(píng)審委員會(huì)，由學(xué)會(huì)理事長(zhǎng)李德毅擔(dān)任評(píng)審委員會(huì)主席，認(rèn)真負(fù)責(zé)地對(duì) 2019 年度中國(guó)人工智能學(xué)會(huì)優(yōu)秀博士學(xué)位論文評(píng)選入圍終評(píng)的 20 篇論文進(jìn)行了評(píng)審，經(jīng)專家終審及兩輪投票，最終確定了 10 篇論文獲優(yōu)秀博士學(xué)位論文獎(jiǎng)、5 篇論文獲優(yōu)秀博士學(xué)位論文提名獎(jiǎng)?，F(xiàn)將 2019 年度中國(guó)人工智能學(xué)會(huì)優(yōu)秀博士學(xué)位論文評(píng)選最終結(jié)果進(jìn)行公示（見附表）

任何單位和個(gè)人如對(duì)公示的評(píng)審結(jié)果持有異議，請(qǐng)?jiān)诿麊喂局掌?15 日內(nèi)（7 月 23 日前）向中國(guó)人工智能學(xué)會(huì)辦公室提出，凡匿名異議不予受理。

接下來，新智元帶來其中幾篇優(yōu)秀博士論文的介紹：

清華大學(xué)：基于深度神經(jīng)網(wǎng)絡(luò)的人臉關(guān)健點(diǎn)檢測(cè)

論文作者：劉昊

機(jī)構(gòu)：清華大學(xué)

論文標(biāo)題：基于深度神經(jīng)網(wǎng)絡(luò)的人臉關(guān)健點(diǎn)檢測(cè)

研究背景 / 選題意義 / 研究?jī)r(jià)值

人臉關(guān)鍵點(diǎn)用于描述人臉面部形狀輪廓的控制點(diǎn)和局部特征，因此，精準(zhǔn)高效的人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)是人臉分析的基礎(chǔ)和前提。近年來，深度神經(jīng)網(wǎng)絡(luò)通過多層非線性結(jié)構(gòu)學(xué)習(xí)高層語義特征表示，被成功應(yīng)用于各類計(jì)算機(jī)視覺處理任務(wù)?；谏疃饶Ｐ偷娜四橁P(guān)鍵點(diǎn)檢測(cè)方法在約束條件下性能表現(xiàn)出色，但受頭部姿態(tài)和不同表情差異以及遮擋等因素的影響，其性能在自然條件下仍不理想。

主要研究?jī)?nèi)容

對(duì)于圖像人臉關(guān)鍵點(diǎn)檢測(cè)，本文針對(duì)于圖像人臉關(guān)鍵點(diǎn)不同部位的結(jié)構(gòu)相關(guān)性，提出了一種深度共享和結(jié)構(gòu)化網(wǎng)絡(luò)的方法；對(duì)于視頻人臉關(guān)鍵點(diǎn)檢測(cè)，本文針對(duì)于視頻人臉關(guān)鍵點(diǎn)在不同幀間的時(shí)序一致性，提出了一種雙流深度網(wǎng)絡(luò)的方法；對(duì)于魯棒人臉關(guān)鍵點(diǎn)檢測(cè)，本文針對(duì)于人臉數(shù)據(jù)與姿態(tài)的空間相關(guān)性，提出了一種深度形狀決策網(wǎng)絡(luò)的方法。

結(jié)構(gòu)化特征學(xué)習(xí)對(duì)人臉關(guān)鍵點(diǎn)的局部相關(guān)性建模表達(dá)

所提 MDN 方法在具有大姿態(tài)變化人臉數(shù)據(jù)上的檢測(cè)效果

主要?jiǎng)?chuàng)新點(diǎn)

1. 提出了一種深度結(jié)構(gòu)化特征學(xué)習(xí)方法，通過引入人臉各部位的結(jié)構(gòu)相關(guān)性局部約束，增強(qiáng)了特征表示能力，進(jìn)而提高了關(guān)鍵點(diǎn)檢測(cè)的有效性；

2. 提出了一種基于深度雙流網(wǎng)絡(luò)的人臉關(guān)鍵點(diǎn)檢測(cè)方法，通過融合視頻數(shù)據(jù)中的空間表觀特征和時(shí)序信息的連續(xù)性特征，設(shè)計(jì)了雙信息流的深度學(xué)習(xí)框架，在視頻人臉數(shù)據(jù)上效果提升顯著；

3. 提出了基于強(qiáng)化學(xué)習(xí)框架的魯棒人臉關(guān)鍵點(diǎn)檢測(cè)算法，通過將人臉關(guān)鍵點(diǎn)檢測(cè)建模為馬爾科夫動(dòng)態(tài)決策過程，獲得了基于馬爾科夫過程的收斂分布的有效策略，提升了對(duì)抗大姿態(tài)變化、劇烈表情和強(qiáng)遮擋方面的魯棒性。

上交大：情感腦機(jī)交互研究

論文作者：鄭偉龍

機(jī)構(gòu)：上海交通大學(xué)

論文標(biāo)題：情感腦機(jī)交互研究

主要內(nèi)容：

情緒在日常生活人與人交流中扮演著重要角色。除了邏輯智能，情感智能也被認(rèn)為是人類智能的重要組成部分。情感智能是指機(jī)器感知，理解和調(diào)控人的情緒的能力。然而，現(xiàn)有人機(jī)交互系統(tǒng)仍然缺乏情感智能。情感腦機(jī)交互研究的目的是通過構(gòu)建情感計(jì)算模型來建立人與機(jī)器的情感交流通路。

在本論文中，我們探討了情感腦機(jī)交互的理論基礎(chǔ)，模型，算法，實(shí)現(xiàn)技術(shù)，實(shí)驗(yàn)驗(yàn)證以及原型應(yīng)用。主要工作包括以下三個(gè)方面：

1）我們利用腦電，眼電和眼動(dòng)信號(hào)以及深度神經(jīng)網(wǎng)絡(luò)構(gòu)建了多模態(tài)情緒識(shí)別和警覺度估計(jì)系統(tǒng)。

2）我們提出了利用腦電和眼動(dòng)信號(hào)的多模態(tài)情緒識(shí)別框架，實(shí)現(xiàn)了對(duì)人的內(nèi)在認(rèn)知狀態(tài)和外在潛意識(shí)活動(dòng)的建模。

3）我們開發(fā)了利用腦電和前額眼電構(gòu)建多模態(tài)警覺度估計(jì)系統(tǒng)，并在實(shí)驗(yàn)室模擬環(huán)境和真實(shí)駕駛環(huán)境進(jìn)行了驗(yàn)證。

在上述研究的過程中，我們開發(fā)了三個(gè)公開的情緒識(shí)別和警覺度估計(jì)數(shù)據(jù)集，分別是三類情緒數(shù)據(jù)集 SEED（高興、悲傷和中性），四類情緒數(shù)據(jù)集 SEED-IV（高興，悲 傷，恐懼和中性）和警覺度估計(jì)數(shù)據(jù)集 SEED-VIG，這些數(shù)據(jù)集得到了國(guó)內(nèi)外近 300 多 高校和研究機(jī)構(gòu)的使用。

南京大學(xué)：弱監(jiān)督多標(biāo)記學(xué)習(xí)

論文作者：徐淼

機(jī)構(gòu)：南京大學(xué)

論文標(biāo)題：弱監(jiān)督多標(biāo)記學(xué)習(xí)

在很多現(xiàn)實(shí)的機(jī)器學(xué)習(xí)任務(wù)中，一個(gè)樣本同時(shí)擁有多個(gè)標(biāo)記，而整個(gè)數(shù)據(jù)集內(nèi)僅有少量樣本、甚至沒有樣本擁有完整標(biāo)記。對(duì)這樣的數(shù)據(jù)樣本進(jìn)行學(xué)習(xí)，就是弱監(jiān)督多標(biāo)記學(xué)習(xí)（Weakly Supervised Multi-Label Learning，簡(jiǎn)稱 WSML 學(xué)習(xí)）。此類問題在現(xiàn)實(shí)應(yīng)用中廣泛存在，但以往研究較少，是機(jī)器學(xué)習(xí)領(lǐng)域面臨的一個(gè)新挑戰(zhàn)。