达人麻将又一 AI 大牛回国任教!沈春华加盟浙江大学,曾获澳大利亚科研终身成就奖

文章正文
发布时间:2021-12-18 17:25

又一计算机视觉大牛回国任教!曾任阿德莱德大学终身教授的沈春华,达人麻将于这个月加盟浙江大学,个人官网显示已更新。

▲ 图源沈春华个人主页

这些年来,沈春华教授带领团队做出过 RefineNet、FCOS 等著名的 AI 算法,目前在 Google Scholar 上的引用次数达到了 3.3w+,H 指数达到 92。

他曾在 NeurIPS、CVPR、ICCV 等顶会上发表顶会论文 150 余篇,并于 2020 年获得澳大利亚科研终身成就奖。

从个人主页来看,沈春华教授此次回国加入的是浙大的计算机辅助设计与图形学(CAD&CG)国家重点实验室。

这个实验室由潘云鹤院士牵头,包括何晓飞、周昆等计算机大牛都在其中。

目前,沈春华教授在阿德莱德大学的主页显示,他已于上个月离任。

一起来看看。

专注 CV 领域,彩票开奖结果查询一年被引次数超 9k+

沈春华本硕毕业于南京大学,后于阿德莱德大学获博士学位。

2011 年,沈春华进入阿德莱德大学计算机科学学院,先后担任高级讲师、副教授等职位;2014 年,他成为阿德莱德大学计算机科学学院的终身教授。

近几年,阿德莱德大学的计算机视觉专业近几年一直在 CS Rankings 上名列前茅,而据 CS Rankings 显示,沈春华也是澳大利亚在 3 大 CV 顶会上发表论文最多的学者。

▲ 图源 CSRankings

2020 年,沈春华获得澳大利亚科研终身成就奖,这份奖项会根据学术活跃年份和 H 指数等综合指标进行评选。

从 Google Scholar 官网显示来看,宾利棋牌仅今年一年,沈春华教授的论文引用次数就达到 9754 次。

他究竟做出了哪些 AI 领域的成果?

提出过 FCOS、SOLO 等算法

沈春华教授最著名的几项研究,主要集中在目标检测、语义分割等方向。

其中之一,就是 FCOS (Fully Convolutional One-Stage Object Detection)目标检测算法,目前引用量已经达到 1.3k+。

这是一个基于 FCN 算法的无锚点的目标检测模型,通过去掉像 YOLO、SSD 这类目标检测模型中常用的锚定框,实现设计参数更少、优化超参数、计算复杂等问题。

整体来说,FCOS 相当于用逐像素的方法,提供了可与基于锚定框的方法媲美的目标检测效果。

除此之外,沈春华教授还在更早的时候(2017 年)提出过一个 RefineNet 模型,目前论文引用量已经达到 2k+。

这是一个基于 ResNet 残差思想设计的语义分割模型,通过采用各层级的特征让语义分割任务变得更加精准。

此外,他的团队还曾经提出过一项实例分割新方法 SOLO,在部分性能上甚至超越了何恺明的 Mask R-CNN。

这篇论文的一作是沈春华教授的学生王鑫龙,算法核心在于通过引入“实例类别”的概念,把实例分割问题转化为分类问题。

与 Mask R-CNN 相比,SOLO 的架构更加简单,是一种单阶段实例分割的方法,但在性能上却强得多。

在 COCO 数据集上的实验结果显示,SOLO 的效果普遍超过此前的单阶段实例分割主流方法,在一些指标上还超过了增强版的 Mask R-CNN。

当然,在论文以外,沈春华团队也贡献了不少开源工具,其中最著名的一个就是 AdelaiDet。

开源工具被多家厂商使用

做过目标检测、实例分割等方向的小伙伴,可能或多或少听过 AdelaiDet。

这是一个开源多实例级检测应用工具箱,基于 Detectron2 开发,包含了不少如 SOLO、FCOS 等算法工作,有不少手机厂商曾经用过上面的模型,来优化一些影像上的功能。

▲ 包含的部分模型

现在,AdelaiDet 在 GitHub 上已经收获 2.6k Star。

事实上,在回国任教前,沈春华教授也会在线上开授一些学术讲座:

▲ 图源中科院自动化所

目前,从沈春华教授主页可以看到,他正在招收新的研究人员:

如果你(计划)从事机器学习、计算机视觉的科研、有兴趣加入我的研究小组(高年级本科生毕业设计、硕士生、博士生、访问学生、博士后、 研究员等都可以),请发邮件给我。

对于机器学习和 CV 方向感兴趣的小伙伴们,可以抓紧机会试一试了。

沈春华教授个人主页:点此直达

首页
评论
分享
Top