蕭簫 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
又一計算機視覺大牛，回國任教！
曾任阿德萊德大學終身教授的沈春華，於這個月加盟浙江大學，個人官網顯示已更新：
△圖源沈春華個人主頁
這些年來，沈春華教授帶領團隊做出過RefineNet、FCOS等著名的AI演算法，目前在Google Scholar上的引用次數達到了3.3w+，H指數達到92。
他曾在NeurIPS、CVPR、ICCV等頂會上發表頂會論文150餘篇，並於2020年獲得澳大利亞科研終身成就獎。
從個人主頁來看，沈春華教授此次回國加入的是浙大的計算機輔助設計與圖形學（CAD&CG）國家重點實驗室。
這個實驗室由潘雲鶴院士牽頭，包括何曉飛、周昆等計算機大牛都在其中。
目前，沈春華教授在阿德萊德大學的主頁顯示，他已於上個月離任。
一起來看看。
專注CV領域，一年被引次數超9k+
沈春華本碩畢業於南京大學，後於阿德萊德大學獲博士學位。
2011年，沈春華進入阿德萊德大學計算機科學學院，先後擔任高階講師、副教授等職位；2014年，他成為阿德萊德大學計算機科學學院的終身教授。
近幾年，阿德萊德大學的計算機視覺專業近幾年一直在CS Rankings上名列前茅，而據CS Rankings顯示，沈春華也是澳大利亞在3大CV頂會上發表論文最多的學者。
△圖源CSRankings
2020年，沈春華獲得澳大利亞科研終身成就獎，這份獎項會根據學術活躍年份和H指數等綜合指標進行評選。
從Google Scholar官網顯示來看，僅今年一年，沈春華教授的論文引用次數就達到9754次。
他究竟做出了哪些AI領域的成果？
提出過FCOS、SOLO等演算法
沈春華教授最著名的幾項研究，主要集中在目標檢測、語義分割等方向。
其中之一，就是FCOS （Fully Convolutional One-Stage Object Detection）目標檢測演算法，目前引用量已經達到1.3k+。
這是一個基於FCN演算法的無錨點的目標檢測模型，透過去掉像YOLO、SSD這類目標檢測模型中常用的錨定框，實現設計引數更少、最佳化超引數、計算複雜等問題。
整體來說，FCOS相當於用逐畫素的方法，提供了可與基於錨定框的方法媲美的目標檢測效果。
除此之外，沈春華教授還在更早的時候（2017年）提出過一個RefineNet模型，目前論文引用量已經達到2k+。
這是一個基於ResNet殘差思想設計的語義分割模型，透過採用各層級的特徵讓語義分割任務變得更加精準。
此外，他的團隊還曾經提出過一項例項分割新方法SOLO，在部分效能上甚至超越了何愷明的Mask R-CNN。
這篇論文的一作是沈春華教授的學生王鑫龍，演算法核心在於透過引入“例項類別”的概念，把例項分割問題轉化為分類問題。
與Mask R-CNN相比，SOLO的架構更加簡單，是一種單階段例項分割的方法，但在效能上卻強得多。
在COCO資料集上的實驗結果顯示，SOLO的效果普遍超過此前的單階段例項分割主流方法，在一些指標上還超過了增強版的Mask R-CNN。
當然，在論文以外，沈春華團隊也貢獻了不少開源工具，其中最著名的一個就是AdelaiDet。
開源工具被多家廠商使用
做過目標檢測、例項分割等方向的小夥伴，可能或多或少聽過AdelaiDet。
這是一個開源多例項級檢測應用工具箱，基於Detectron2開發，包含了不少如SOLO、FCOS等演算法工作，有不少手機廠商曾經用過上面的模型，來最佳化一些影像上的功能。
△包含的部分模型
現在，AdelaiDet在GitHub上已經收穫2.6k Star。
事實上，在回國任教前，沈春華教授也會在線上開授一些學術講座：
△圖源中科院自動化所
目前，從沈春華教授主頁可以看到，他正在招收新的研究人員：
如果你（計劃）從事機器學習、計算機視覺的科研、有興趣加入我的研究小組（高年級本科生畢業設計、碩士生、博士生、訪問學生、博士後、 研究員等都可以），請發郵件給我。
對於機器學習和CV方向感興趣的小夥伴們，可以抓緊機會試一試了~
沈春華教授個人主頁：
https://cshen.github.io/
參考連結：
[1]https://github.com/aim-uofa/AdelaiDet
[2]https://mp.weixin.qq.com/s/WAjIWSLgJLVE0KsJZdtqGA
[3]https://specialreports.theaustralian.com.au/1540291/9/
[4]https://www.adelaide.edu.au/directory/chunhua.shen#
[5]http://www.cs.zju.edu.cn/csen/27059/list.htm
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態
