近日，第36屆國際機器學習大會(International Conference on Machine Learning)，在美國長灘會議中心隆重召開，該會議作為機器學習人工智能領域的兩大頂級盛會之一，代表著熱門科研領域的最前沿，具有廣泛而深遠的國際影響力。ICML 2019年一共在3424篇論文中錄取774篇，錄用率僅有22.6%。
魔視智能連同澳大利亞國立大學，莫納什大學，以及NEC America Lab的研究員共同完成了名為神經協同子空間聚類（NeuralCollaborative Subspace Clustering）論文，該論文解決了譜聚類對子空間聚類的限制，為以后將子空間聚類擴展到大規模數據集上邁出了第一步。
魔視智能團隊在ICML會議上的論文展示
聚類是無監督學習中核心的任務之一，目標就是根據損失函數來自動對樣本進行類別劃分，而子空間聚類是實現高維數據聚類更有效的途徑，是高維數據空間中對傳統聚類的擴展。如今大規模數據和神經網絡大行其道，高維數據空間的表征學習已經成為目前最為主流探討的問題。
子空間聚類是一種基于譜聚類的子空間聚類方法, 其基 本思想是, 假設高維空間中的數據本質上屬于某個 低維子空間, 能夠在低維子空間中進行線性表示, 反過來, 高維數據的低維表示能夠揭示數據所在的本 質子空間, 有利于數據聚類。
論文網絡基本框架圖
為了克服傳統工作總是需要所有數據建立拉普拉斯矩陣和譜聚類帶來的內存消耗和計算量大的缺點，該方法主要得益于建立了一個基于神經網絡的分類器來確定任意兩個數據是否在同一個子空間中。算法更本質的部分是構建了兩個歸屬矩陣：一個基于分類器，另一個則基于子空間自表達性；并利用這兩個歸屬矩陣進行協同監督訓練。本文完整地對比了該算法和目前最好的聚類方法（包括具有深度子空間的聚類方法）的實驗效果，驗證了方法的有效性。
該方法在圖像分割領域可以對移動物體的位置進行更精確的分割，同時，在語意SLAM中可以用來無監督的對圖片進行分割，減少人工標定成本。
此次ICML會議，魔視智能再次展示了在機器學習領域的高水平研究成果和尖端算法研發能力。在機器學習和計算機視覺等人工智能的前沿核心領域，魔視智能始終保持國際領先的研發水平。
迄今為止，魔視智能核心專家團隊已經在CVPR/ ICCV/ NIPS/ ECCV/ TPAMI上發表頂級學術論文超過100篇，引用次數多達20242次（Google Scholar Citation, as of Apr. 2019）。分別兩次在CVPR和ICCV上獲得最佳論文大獎及大獎提名。并且多次在包括CITYSCAPES和KITTI等國際權威算法比賽上奪得大獎。
魔視智能持續致力于將前沿的人工智能科技在汽車工業落地，推動自動駕駛技術的進步。
關于魔視智能：
魔視智能是深度學習和計算機視覺等先進的人工智能技術在汽車自動駕駛系統領域實現嵌入式產品化的領跑者，提供覆蓋L1-L4的全棧式自動駕駛視覺系統。
魔視智能擁有國際頂尖的視覺感知和定位算法及嵌入式芯片平臺團隊，將前沿的深度學習和VSLAM技術，依照汽車工程標準，將優化的人工智能計算引擎高效運行在低功耗的嵌入式處理器上。通過使用單目或者多目攝像頭，結合多傳感器融合，實現準確實時的環境感知和車體定位系統。在不同的場景條件下，完成多角度多目標的識別和避障任務，實現不同等級的自動駕駛功能。在精確的環境感知和車輛定位基礎上，整合路徑規劃和整車控制技術，提供完整的融合前視和環視及各種雷達傳感器在內的全棧式自動駕駛系統。
魔視智能的最新研發產品代表了國際領先水平，已在包括乘用車和商用車在內的多個汽車項目上前裝量產應用。系統的實時性、準確性、魯棒性、普適性都獲得了廣泛的認可和好評。我們將持續致力于整合先進的人工智能技術和汽車電子系統成功經驗，打通傳統汽車智能化的技術鴻溝，開啟汽車的人工智能大腦，實現更安全更自由的自動駕駛。
公司總部位于上海張江，在澳大利亞設有人工智能算法研究院，在深圳設有業務和客戶支持中心。
