近日，香港中文大学（深圳）理工学院李镇教授团队两篇研究工作被IEEE计算机视觉与模式识别顶会CVPR2020收录，三篇研究工作被医学图像处理领域顶会MICCAI2020收录。

会议简介

       CVPR是由美国电气及电子工程师学会（IEEE）组织的计算机视觉领域最权威的国际会议之一，每年一届，与ICCV（计算机视觉国际会议）和ECCV（欧洲计算机视觉会议）并列为计算视觉领域最顶级的三大国际会议。

        香港中文大学（深圳）理工学院李镇教授课题组颜旭同学（博士一年级）以第一作者身份发表论文“PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling”。另外，李镇教授课题组另外一篇研究工作“Exemplar Normalization for Learning Deep Representation”也被CVPR2020收录。论文由李镇教授、崔曙光教授等老师指导。

论文简介

论文题目：PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling

        原始点云数据不可避免地从3D传感器或在重建算法中包含异常值。本文提出了一种用于鲁棒点云处理的新型端到端网络，称为 PointASNL，可以有效地处理带噪声的点云。我们方法中的关键部分是自适应采样（AS）模块。它首先从最远点采样点的周围对点的邻域加权，然后在整个点云中自适应地调整采样点。AS模块不仅有益于点云的特征学习，而且缓解异常值的影响。为了进一步捕捉采样点和整体的长距离依赖关系，我们从非局部操作的角度出发，提出了局部-非局部 (local-Nonlocal, L-NL) 模块。这种L-NL模块使学习过程对噪声不敏感。大量的实验证明了在分类和语义分割任务上，在合成数据，室内、室外数据，是否有噪声的数据，都有良好性能和鲁棒性。并且在有大量噪声的真实户外数据集SemanticKITTI上，明显优于以前的方法。

代码：https://github.com/yanx27/PointASNL

论文：https://arxiv.org/pdf/2003.00492.pdf

颜旭 

计算机与信息工程专业、博士一年级

理工学院、思廷书院

        颜旭目前是我校理工学院计算机与信息工程项目的博士一年级学生，本科毕业于中山大学，研究生毕业于我校数据科学项目，研究的方向主要在于3D点云处理。

学生感言

        非常感谢我的合作者们以及老师们在论文完成期间的支持和启发，特别感谢学校能为我们科研学习无条件地提供充足的计算资源。欢迎更多优秀的同学能加入我们项目组。

会议简介

        MICCAI系列会议始于1998年，由CVRMed（计算机视觉、虚拟现实和医疗机器人）、MRCAS（医疗机器人和计算机辅助手术）和VBC（生物医学计算可视化）三个会议合并而成，第一届MICCAI大会于1998年在美国波士顿举行，现已成为该领域首屈一指的国际会议，享有很高的国际学术声誉。

        近日，香港中文大学（深圳）理工学院&大数据研究院访问硕士张敏清同学为第一作者的论文"Characterizing Label Errors: Confident Learning for Noisy-labeled Image Segmentation" 被2020国际医学图像计算与计算机辅助介入会议MICCAI收录。该论文主要研究了困扰医学影像处理领域的noisy label问题，即用于训练的标签中存在噪声，提出了一种深度学习的框架，不仅可以识别出标签中的噪声，还可以使模型具有抗噪声干扰的能力。另外，李镇教授课题组另外两篇研究工作“Adaptive Context Selection for Polyp Segmentation”和“UXNet: Searching Multi-level Feature Aggregation for 3D Medical Image Segmentation”也被MICCAI Provisional Accept（接收率大概10%）。论文由李镇教授、崔曙光教授等老师指导。

论文简介

论文题目：Characterizing Label Errors: Confident Learning for Noisy-labeled Image Segmentation

        卷积神经网络对海量数据的强大处理能力使其在图像处理方面取得了显著的性能。但是，如果训练数据被有噪声的标签损坏，其性能可能会恶化。在医学图像分析中，这一困难更为明显。这是因为医学图像的标注总是需要医学专业知识和临床经验，这样的主观性必然会将噪声引入标注。本文设计了一种基于teacher-student结构的噪声识别医学图像分割算法。本文利用自信学习技术识别标注中的噪声，并赋予网络以抗干扰能力。具体地说，自信学习技术应用于teacher模型可以在像素级别识别标注噪声。由于识别的噪声并不完美，因此本文引入空间标注平滑正则化技术，用来训练student模型。该方法生成像素级的修正标注，而不是图像级地给标注分配权重。因此在JSRT数据集上的实验结果表面，它在noisy-labeled图像分割任务中优于最先进的方法,尤其是当训练数据由噪声严重损坏的情况。

张敏清

访问硕士

香港中文大学（深圳）理工学院

深圳市大数据研究院 

学生感言

        现在回顾自己当时决定在研三的时候来到香港中文大学（深圳），加入李镇教授的团队进行访问，无疑是一个无比正确的选择。在访问期间内，我收获颇丰，被这里的老师和同学们严谨的科研态度和百折不挠的科研精神深深震撼。论文写作过程中，恰好碰上新冠疫情肆虐，大家居家隔离无法返校进行科研工作。面对如此艰难的情况，正是在崔曙光教授和李镇教授的支持及指导下，同时还有合作者们的协助下，我们像一支球队一样紧密合作共同努力，在居家隔离期间完成了这篇论文的写作与投递。最终论文被成功接收的消息，是对我们在困难情况下专心科研所做出的最大肯定。

指导老师简介

李镇博士

理工学院研究助理教授

        李镇博士分别在2011年和2014年于中山大学获得学士和硕士学位，在2018年于香港大学获得博士学位。李镇博士同时在2016年和2018年于芝加哥大学，丰田芝加哥研究院进行访问学者研究工作。李镇博于2018年九月加入香港中文大学深圳担任研究助理教授和深圳大数据研究院担任研究科学家。李镇博士的研究方向主要是利用深度学习和计算机视觉算法进行蛋白质结构预测，医学图像处理，以及深度神经网络的压缩和搜索。他是蛋白质结构预测竞赛CASP12全球冠军的主要成员，并获得PLOS CB 2018最新突破和创新奖项，2019年CCF-腾讯犀牛鸟科研基金获得者。目前李镇博士为深度比特实验室负责人(https://mypage.cuhk.edu.cn/academics/lizhen/)，研究方向为点云处理，医学图像处理，领域自适应以及神经网络自动搜索。

崔曙光教授

理工学院代理院长

        他于2005年在美国斯坦福大学获得博士学位，先后在美国德州农机大学和加州大学戴维斯分校任助理、副、正、和Child Family讲席教授 。现任深圳市大数据研究院副院长和香港中文大学（深圳）校长讲座教授。崔教授的当前科研方向主要集中在数据驱动的大规模系统控制和资源管理。已在国际一流期刊和会议上发表了两百五十余篇论文。崔教授是IEEE信号处理协会2012年最佳论文奖获得者, 并曾担任多个IEEE国际会议的主席和程序委员会主席，多个国际期刊的编委(IEEE TBD, TSP, TWC, TVT, CL)和IEEE SPM的领域主编，是IEEE通信协会无线技术委员会(WTC)的主席 。崔教授在2013年当选IEEE Fellow（博士毕业后8年内当选，为IEEE历史上最快之一），并在2014年和2016年被分别任命为IEEE Transactions on Big Data和IEEE Transactions on Cognitive Communications and Networking 的Steering Committee委员。崔教授在2014年入选IEEE ComSoc Distinguished Lecturer, Thomson Reuters全球高被引科学家名单, 和ScienceWatch的全球最具影响力科学家名单。在2017年10月，基于其在物联网和数据分析领域的学术声誉，崔教授应阿里巴巴集团的邀请到杭州，作为13名科学家之一为阿里巴巴达摩院的成立提供了战略性意见。