受益于深度學(xué)習技術(shù)的突破，圖像分類(lèi)、物體檢測等傳統計算機視覺(jué)任務(wù)的精度也得到了大幅度的提升，但是由于深度學(xué)習模型的復雜性，目前關(guān)于深度學(xué)習的理論并不完善。可解釋的深度學(xué)習模型，以及深度學(xué)習模型與人工先驗的結合是當前學(xué)術(shù)界重點(diǎn)研究的前沿方向，對于提升深度學(xué)習模型的可靠性和泛化能力具有重要的意義。
通過(guò)利用物體類(lèi)別之間存在的層級關(guān)系約束，自動(dòng)學(xué)習從數據中抽取識別不同類(lèi)別的規則，該論文同時(shí)在這兩個(gè)方向上邁出了堅實(shí)的一步：在可解釋深度學(xué)習模型方面，相比于現有方法，不僅能夠給出圖像中的關(guān)鍵區域，還能給出規則化的解釋?zhuān)瑢κ褂谜吒押茫先藢τ诮忉尳Y果的期望；在引入人工先驗知識方面，走通了一條基本可行的技術(shù)路線(xiàn)。
為了更好地賦能產(chǎn)業(yè)升級，華為云持續深耕AI基礎研究和落地應用。2020年以來(lái)，華為云人工智能研究團隊已在圖像分類(lèi)、弱標注場(chǎng)景下的圖像分類(lèi)、圖像檢測，多模態(tài)數據處理、語(yǔ)音語(yǔ)義等領(lǐng)域取得多項世界第一，研究成果多次被頂級期刊及學(xué)術(shù)會(huì )議接受。未來(lái)，華為云將持續把AI前沿算法產(chǎn)品化，并開(kāi)放給各行業(yè)的AI開(kāi)發(fā)者使用，通過(guò)技術(shù)創(chuàng )新驅動(dòng)產(chǎn)業(yè)智能升級。
