DeepTech深科技|1400多颗Star|专访,机器视觉领军学者沈春华,获澳大利亚科研终身成就奖!新算法获GitHub

凭一己之力将澳大利亚机器学习研究院拉至全球排名第四;GitHub1400多颗Star、并用于Top级手机厂商的视觉处理;这就是程序员口中的“CV大牛”沈春华团队的“战绩” 。
目前 , 沈春华在澳大利亚阿德莱德大学担任计算机科学教授 。 这位本科毕业于南京大学、后在阿德莱德大学获得博士学位的中国科学家 , 其主要研究机器学习和计算机视觉 , 而计算机视觉的终极目标是建立一个具有人类表现的视觉系统 。
DeepTech深科技|1400多颗Star|专访,机器视觉领军学者沈春华,获澳大利亚科研终身成就奖!新算法获GitHub
文章图片
图|2019年沈春华回国参会
2012年 , 沈春华获得澳大利亚研究委员会的未来学者称号 。 除教职之外 , 他还是澳大利亚研究委员会机器人视觉卓越中心的科研负责人 。 从阿德莱德大学网站获悉 , 沈春华上月被列为澳大利亚科研终身成就奖 , 是工程与计算机类奖项的5名获选人之一(https://specialreports.theaustralian.com.au/1540291/9/) 。
计算机排名网站CSRanking显示 , 沈春华是过去10年间在计算机视觉方向3大顶级会议发表论文最多的在澳学者 。 他的科研成果和产出是阿德莱德大学下属的澳大利亚机器学习研究院(AustralianInstituteforMachineLearning , AIML)能在CSRanking上排名世界第4的主要原因之一 。
鉴于澳大利亚机器学习研究院的国际声誉 , 澳大利亚联邦政府最近宣布拨款2000万澳元(合近1亿人民币)资助该研究院的科研 , 同时他还兼任研究院机器学习理论课题的主任 。 据GoogleScholar显示 , 他的论文已积累22000多引用 , 个人H-index为71 。
从教至今 , 他教出过多位优秀中国留学生 , 他的学生中目前有3位获得Google博士奖学金(GooglePhDFellowship) 。 自Google首次颁发该奖项至今12年间 , 澳大利亚所有高校一共只有7人次在“机器感知、语音技术和计算机视觉”这个方向上获得该奖项 , 而其中3人出自沈春华团队 。
除此之外 , 还有多位毕业生入职名企、或在知名大学担任教职 , 如悉尼大学、墨尔本莫纳什大学、新加坡理工大学等等 。
DeepTech深科技|1400多颗Star|专访,机器视觉领军学者沈春华,获澳大利亚科研终身成就奖!新算法获GitHub
文章图片
图|沈春华指导的部分博士毕业生
虽然他不在国内 , 但却时不时有中国程序员 , 在网上撰文逐句逐段分析他的论文 , 甚至主动翻译他的论文 。 同时 , 他的论文研究已有不少投入应用 。
其团队开发的开源工具箱AdelaiDet , 曾和全球数一数二的手机厂商合作 , 部分算法曾经用于该公司的旗舰手机上 。 该算法可帮助手机优化拍照功能 , 拍出来的照片更鲜艳 , 还可帮助相机更好地实现特效功能和背景虚幻等功能 。
截止目前 , AdelaiDet主要包含以下算法:FCOS、BlendMask、ABCNet、CondInst、SOLO , 本文主要介绍前四个算法 。
FCOS:基于FCN的逐像素目标检测算法
FCOS(FullyConvolutionalOne-StageObjectDetection)的中文翻译是目标检测器 , 是沈春华团队于2019年推出的计算机视觉目标检测算法 , 并以《FCOS:完全卷积一阶段目标检测》(FCOS:FullyConvolutionalOne-StageObjectDetection)为题发表在国际计算机视觉大会2019上 。
【DeepTech深科技|1400多颗Star|专访,机器视觉领军学者沈春华,获澳大利亚科研终身成就奖!新算法获GitHub】在国内某问答社区上 , 一位目前在字节跳动担任高管、博士毕业于清华大学电气工程系的认证用户表示 , 这篇论文是“入门检测最合适的文章” 。
具体来说 , FCOS是一种基于全卷积神经网络的逐像素目标检测算法 , 最大亮点是提出了一个不需要锚框(AnchorFree)的全新的目标检测算法 。 FCOS在性能上接近甚至超过目前很多基于锚框的主流目标检测算法 。
目前大多数目标检测模型如FasterR-CNN、YOLOv3等都依赖于预先定义的锚框 。 相比之下 , FCOS不依赖预先定义的锚框或提议区域 。 通过去除预先定义的锚框 , FCOS可完全避免锚框的复杂运算 , 并能节省训练过程中的内存占用 。


推荐阅读