（原標題：連續4次入選AI學術會議，創新奇智少樣本學習技術實力領先）

　　 近日，創新奇智在少樣本學習領域再獲突破，提出一種基于反標簽學習的半監督少樣本圖像分類學習方法，投稿論文《An Embarrassingly Simple Approach to Semi-Supervised Few-Shot Learning》成功被NeurIPS 2022接收。在此之前，創新奇智關于少樣本學習的研究成果還分別入選全球計算機視覺三大會議（ICCV、CVPR、ECCV）。

　　 NeurIPS神經信息處理系統大會是全球最負盛名的AI學術會議之一，大會討論的內容包含深度學習、計算機視覺、大規模機器學習、學習理論、優化、稀疏理論等眾多細分領域。迄今已舉辦36屆，本屆會議共有10411篇論文投稿，接收率為25。6％，略低于去年的26％。

　　 隨著深度學習的發展，卷積神經網絡在多個圖像任務上已經超過了人類的水平，但是這些模型的訓練依賴大量的數據，在現實生活中有些數據的采集難度較大，尤其在有效樣本采集困難的制造行業，例如對液晶顯示屏幕所有種類缺陷數據的采集，而且這些數據的標注也需要耗費大量的人力和財力。 相比之下，人類視覺系統可以從少量的例子中快速學習到新的概念和特征，然后在新的數據中識別相似的對象。為了模仿人類快速學習的能力，減少方法對于數據的依賴，少樣本學習最近幾年來受到了越來越多的關注。少樣本學習旨在結合先驗知識快速地泛化到只包含少量有監督信息的樣本的新任務中，在此設定下識別每個類別僅需要極少甚至一張帶標簽的樣本，所以可以極大地減少人工標注成本。

　　 創新奇智在NeurIPS 2022提出的基于反標簽學習的半監督少樣本圖像分類學習方法，減少了對帶標簽數據樣本的依賴，利用較少的帶標簽數據樣本即可訓練出理想的視覺算法模型，還可以獲得更高的少樣本學習圖像分類準確率。

　　 制造業產品千差萬別，有效樣本難于采集，訓練數據量少等問題，成為AI賦能制造業的一大痛點。作為行業領先的“AI+制造”解決方案廠商，創新奇智在少樣本學習領域積累已久，根據制造業實際應用場景，創新少樣本學習算法，形成自己的技術特色。

　　 創新奇智關于少樣本學習的研究論文相繼登頂ICCV、CVPR、ECCV、NeurIPS等全球知名AI學術會議：在ICCV 2022，創新奇智提出雙注意力機制少樣本學習技術，此技術可用于制造業場景少樣本細粒度圖像識別任務，如產品分類、檢測、分割、視頻處理等領域。在CVPR 2021首次提出零樣本實例分割，致力于解決工業場景中數據少，或者是數據難以發現和標注的問題，可以在沒有標注數據的情況下標注出新的類。在ECCV 2020提出簡單高效的少樣本學習方法，通過減小類內偏差和跨類偏差進行原型校正，從而顯著提高少樣本分類結果，在實際應用場景中可以從海量非結構化數據中根據極少數種子數據(1張至5張)挖掘出所需要的同類數據，極大提升數據收集速度和準確率，降低成本。如今在NeurIPS再度獲選，進一步證實了創新奇智在少樣本學習領域的技術實力。

　　 除學術組織外，創新奇智在少樣本學習領域的成績亦獲得知名研究分析機構認可。據海通國際在2022年5月發表的研報稱，創新奇智是計算機視覺和機器學習中小樣本學習機制的典型代表。雖然大模型機器學習是人工智能發展的重要方向之一，但大模型大樣本的泛化性并不能適用所有應用場景，比如制造業中的缺陷檢測系統。制造業企業普遍注重模型的實用性，很多小模型即可滿足他們的業務需求，且更具經濟效益。

　　 據創新奇智CTO張發恩介紹：“少樣本學習旨在從已有類別的數據中學習先驗知識，然后利用極少的標注數據完成對新類別的識別，打破了樣本數據量的制約，在傳統制造業等樣本普遍缺失的領域具有實用價值，有助于推動AI落地。創新奇智將少樣本學習等創新算法沉淀到MMOC人工智能平臺，端到端支持AI解決方案的創新、研發和交付，加速AI制造業落地。”