当前位置: 主页 > 学术动态 >

IEEE Fellow,加拿大麦克马斯特大学教授访问西电开展学术交流

时间:2017-04-06 14:37点击:
       武筱林教授应我校电子工程学院石光明教授团队邀请,于2017.03.31日上午10:00-12:00在北校区西大楼-106举办了一场精彩的学术报告“On the ability of supervised machine  learning  to acquire first  impressions  of  faces”。
       报告内容涉及利用机器学习的方法研究“相由心生”,详细讲解了如何训练机器去判别“清纯”和“妖艳”美女。报告会上,武教授风趣幽默、由浅入深的讲解方式引来了阵阵喝彩。武教授用有力的实验用例及实验结果向我们展现了利用神经网络和机器学习的方法可以实现“机器看相”的可能性,准确率达到了80%以上。他们的实验表明了人工智能可鉴别社会心理层面特征。
       此次报告内容新颖,吸引了大量师生前来听讲,武教授团队的研究将人工智能技术应用于社会科学领域,给我校理工科师生带来了新的研究方向和思路,与会师生深受启发,深感受益匪浅。
 






 
      
       武筱林教授首先给我们介绍了研究的初衷及难点。众所周知,人工智能识别人脸已经不易,要想给人再贴上标签,判断对“美女”的审美给人工智能是个很大的挑战,因为审美在传统上被认为是一种复杂的个人“口味”,糅合了观察者和被观察者的个性和社会价值观。在实际生活中,大众对陌生女性的审美还是较为一致的。同时人们还会给不同的“美女”贴上不同的标签,有些是肯定性的标签,比如“甜美”、“可爱”、 “优雅”、“温柔”、“体贴”;有些是否定性的标签,比如“做作”、“虚荣”、“冷漠”、“轻浮”。这些标签直接从外表指向了女性的一些内在性格甚至品格。那么,人工智能否把握这种模糊的“感觉”,由女性长相推断出她们的内在性格呢?武筱林团队首先进行了半自动化的样本采集,他们在百度图片上用“单纯美女”、“甜美少女”等关键词进行检索,并把照片分为C和H两组。研究团队将两组照片样本展示给22名中国男性研究生,发现尽管他们对于照片上贴的标签高度认同,但他们无法具体解释他们是如何做出这样的判断的。他们几乎都给出了非常模糊的回答,比如“我就是这么感觉的”。 C组褒义标签:清纯、柔美、甜美、秀美、单纯、大方;H组贬义标签:娇艳、俗气、张扬、风骚、轻佻、轻浮、妩媚。研究团队最后得到了共3954张中国美女照片,其中“褒义组”2000张,“贬义组”1954张。由于受访的研究生们无法指出他们做出判断的细节依据,武筱林团队采用了深度卷积神经网络(CNN)进行研究。在实验中,他们用数据集中的80%进行训练,10%用于验证,剩余10%进行测试。测试结果表明,神经网络机器学习训练人工智能,经过训练的机器鉴别“褒义组”和“贬义组”的准确率达到了80%以上。成功鉴别了哪些属于“清纯”美女,哪些属于“妖艳”美女,其审美与中国高校男生高度一致。接着,由于受访男性研究生普遍认为“贬义组”的照片“不自然”,于是武教授团队怀疑影响男性做出审美判断的重要依据可能是女性的化妆程度。但这个猜测很快被实验推翻了。当把所有照片调成灰阶图,重复上面的过程后,CNN分类器的识别准确率只下降了6%。此外,浓妆还可能造成面部色彩的对比度和饱和度变高,这点得到了数据分析的证实。“褒义组”的色彩对比度比“贬义组”平均低了14%,饱和度平均低了5%。此外,“贬义组”照片在色彩对比度和饱和度上差异性更大。这与中国传统推崇的“自然美”一致。因此,武教授团队猜测认为,这种色彩对比度和饱和度上的差异可能是机器做出判断的重要依据之一。
      会后武筱林教授和石光明教授领导团队的青年教师进行了座谈,就目前合作的研究论文进行了深入的学术讨论交流。 
 
       武筱林教授简介:
 
       武筱林教授,IEEE Fellow,1982年在武汉大学取得计算机科学专业学士学位;1988年在加拿大卡尔加里大学取得计算机科学博士学位。武筱林教授现任加拿大麦克马斯特大学电子计算机工程系终身教授,麦克马斯特大学卓越工学教授,加拿大国家科学与工程研究会高级工业研究主席,加拿大NSERC-DALSA数字影像首席科学家,中国国家千人计划专家等。曾担任IEEE Trans.on IP, IEEE Trans. on Multimedia的副主编。武筱林教授的研究领域包括视觉信号处理、数字多媒体计算与通信、信号量化理论、数据压缩、联合信源与信道编码等。他在国际高水平的学术期刊和会议上发表论文300多篇(Google Scholar 引用10800余次),专著1部、国际专利5项,取得多项国际知名且颇具影响的学术与工业技术成果。他的世界著名CALIC 算法(Context-based Adaptive Lossless Image Code)是无损信号编码领域国际公认的基准技术。他提出的“分层低复杂度无损多媒体数字信号编解码器” 在MPEG数码影院存档国际标准技术评比中获七个侯选算法的第一名。他曾获得的荣誉和奖项包括:加拿大UWO卓越研究教授;丹麦Monsteds研究奖;芬兰诺基亚国际研究奖; VCIP最佳论文奖。
 
所属单位:电子工程学院
转载出处:西安电子科技大学学术信息网
(责任编辑:学术年会)
------分隔线----------------------------
推荐内容