近日，人工智能领域顶级学术刊物IEEE Transactions on Pattern Analysis and Machine Intelligence（即IEEE TPAMI，影响因子17.730）接收了我院人工智能系李绍滋教授团队的最新研究成果“Learning to Adapt Invariance in Memory for Person Re-identification”。
IEEE TPAMI，即《IEEE模式分析与机器智能汇刊》，是人工智能、模式识别、计算机视觉及机器学习领域最重要的学术期刊之一，也是目前计算机类别中影响因子最高的期刊（17.730）。在2018年所发布的谷歌学术影响因子中，位列所有计算机及人工智能相关期刊首位。
李绍滋教授团队提出了一种基于记忆模块的行人再识别域自适应方法，旨在解决行人再识别中的场景迁移问题，从而提升模型的跨场景下的性能。该方法明确并全面地探讨了目标域的域内变化，并基于记忆模块提出了一个新颖的域自适应框架，从而有效地在深度网络中实现三种不变性约束。此外，该方法在记忆模块的基础上了还提出了一种基于图的正样本预测方法（Graph-based Positive Prediction, GPP），用以充分利用样本之间的关系，从而有效提升域自适应过程中的不变性学习。实验结果证明了该方法相对于国际领先方法的有效性和优越性，其结果在 Market-1501，DukeMTMC-reID 和 MSMT17 三个数据集上的域自适应结果大大超过了现有方法。
该论文由厦门大学智能多媒体技术（IMT）实验室的钟准博士（第一作者）、罗志明博士后、李绍滋教授（通讯作者），以及澳大利亚国立大学郑良助理教授和悉尼科技大学杨易教授等人合作完成。本项研究得到了国家自然科学基金和国家重点研发计划等项目的支持。李绍滋教授团队近几年先后在人工智能领域的其它顶级期刊（如：TIP）和顶级国际会议（如：CVPR，AAAI）上先后发表过多篇高水平论文，包括：本月初在纽约举办的AAAI2020上发表了2篇论文。
（李绍滋教授团队供稿）