近日，我校人工智能学院2022级软件工程专业研究生金鑫在第12届国际表征学习大会（ICLR 2024）上发表了题为“Adversarial AutoMixup”的研究成果，并入选亮点论文（Spotlight），该论文为计算机视觉数据增强方向做出了创新贡献。会议于今年5月7日至11日在奥地利首都维也纳举办。海报展示期间，该论文受到了来自包括麻省理工学院、牛津大学、清华大学、苏黎世联邦理工学院、OpenAI等世界顶尖大学和科技公司的关注和赞赏。

国际表征学习大会（International Conference on Learning Representations，简称ICLR）是人工智能领域机器学习的顶级学术会议。在2023年谷歌学术（Google Scholar）公布的学术期刊会议影响力排名中，位列所有学科期刊/会议中第10名。本届ICLR国际学术会议有近7262篇论文参与投稿，经评审专家匿名审稿，最终录用2251篇（31%），其中被评为亮点论文（Spotlight）的仅366篇（5%）。

该论文共同第一作者为人工智能学院副院长秦华锋教授(兼通讯作者)，研究生金鑫，论文的研究工作得到国家自然科学基金的资助，并与巴黎综合理工学院、重庆邮电大学合作完成，重庆工商大学为第一完成单位。这是我校硕士研究生首次在国际顶级学术会议中发表论文，也充分反映了我校软件工程研究生培养的卓越成效。

论文简介:

数据混合增强被广泛应用于提高深度神经网络的泛化能力。最近，离线数据混合增强，如手工制作和基于显著性信息的混合，逐渐被自动混合方法所取代。AutoMix通过端到端最小化混合样本生成和混合分类两个子任务，显著提高了图像分类任务的准确性。但是，由于两个子任务的优化目标是一致的，这种方法容易产生一致而不是不同的混合样本，从而导致目标任务训练过拟合。论文提出AdAutoMixup，一种对抗的自动混合增强方法，通过交替优化分类器和混合样本生成器，生成具有挑战性的样本来训练一个鲁棒的分类器进行图像分类。AdAutoMixup在7个图像基准上进行的大量实验一致证明，我们的方法在各种分类场景中达到了SOTA（state-of-the-art）。

论文链接：https://openreview.net/forum?id=o8tjamaJ80

代码链接：https://github.com/JinXins/Adversarial-AutoMixup