近日，中国计算机学会（CCF）A类会议ACM Multimedia 2021公布了录用结果，学院两篇硕士研究生论文（题目分别为《FoodLogoDet-1500: A Dataset for Large-Scale Food Logo Detection via Multi-Scale Feature Decoupling Network》和《Cross-View Representation Learning for Multi-View Logo Classification with Information Bottleneck》）均被该会议接收为长文，并进一步被选为口头报告论文（录用率仅为9.2%），论文第一作者分别为侯强和王静两位硕士研究生，指导教师分别为侯素娟副教授和郑元杰教授，系学院硕士研究生首次以第一作者在该会议上发表口头报告长文论文，标志着我院硕士研究生在多媒体相关领域的科研水平得到了进一步的提高。
论文《FoodLogoDet-1500: A Dataset for Large-Scale Food Logo Detection via Multi-Scale Feature Decoupling Network》提出了多尺度特征解耦的食品Logo检测网络，在分类分支中使用特征偏移模块，可以有效地获得最具有代表性的分类特征，引入平衡的特征金字塔，更加关注多尺度特征的全局信息，提高检测性能。
论文《Cross-View Representation Learning for Multi-View Logo Classification with Information Bottleneck》首次提出一种基于跨视角学习的特征表征技术，并利用信息瓶颈理论学习不同视角的共性信息，解决了多视角的Logo分类难题。此外，该方法提出一种组队数据增强方案，解决了样本不均衡和资源缺乏的问题，显著提高了大规模细粒度分类的性能。
ACM Multimedia是多媒体领域的顶级国际学术会议，被中国计算机学会列为A类会议，被接受的论文中口头报告（Oral）长文录用率尤其低，竞争非常激烈。中国计算机学会A类会议论文是国务院学位评定委员会指定的计算机科学与技术一级学科博士点评估重要指标之一，在计算机科学与技术学科占有非常重要的地位，受到了国内外一流大学和一流学科的高度重视。
